【论文阅读】Generating Natural Answers by Incorporating Copying and Retrieving Mechanisms in Sequence-to-S

采用拷贝与检索机制在序列预测的模型中生成自然语言的问题答案

为了生成自然语言答案,现有的方法通常利用一些了的NLP tools与归纳模板,这种方式覆盖度低,难以应对丰富的语言现象,文章将问答看做端到端的学习问题,在应对问答时,通过分析问题、在知识库中检索来生成连贯的正确地答案。

在解码阶段,不同于机器翻译,预测词并非都来自设定好的词表,而是分别来自词表、问题本身以及知识库,通过在网络中结合问句与知识库的信息,缩小了出词范围。

这里写图片描述

网络架构为:
这里写图片描述

Case Study:
这里写图片描述

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值