【论文笔记】AS Reader vs Stanford Attentive Reader

Attention Sum Reader Network

数据集

 

CNN&DailyMail

每篇文章作为一个文档（document），在文档的summary中剔除一个实体类单词，并作为问题（question），剔除的实体类单词即作为答案（answer），该文档中所有的实体类单词均可为候选答案（candidate answers）。其中每个样本将文本中所有的命名实体用类似“@entity1”替代，并随机打乱表示。

 儿童故事（Children’s Book Test，CBT）

从每一个儿童故事中提取20个连续的句子作为文档（document），第21个句子作为问题（question），并从中剔除一个实体类单词作为答案（answer）。

 

模型简介

与Attentive Reader十分类似，是一种一维匹配模型（Stanford Attentive Reader也是），主要是在最后的 Answer 判断应用了一种 Pointer Sum Attention 机制，模型结构如下图所示：

 

​<