神经机器阅读理解综述

最新推荐文章于 2021-11-18 16:30:20 发布

qq_36082908

最新推荐文章于 2021-11-18 16:30:20 发布

阅读量511

点赞数

本文链接：https://blog.csdn.net/qq_36082908/article/details/100824504

版权

本文概述了神经机器阅读理解的背景、深度学习模型的组成部分，包括嵌入编码、特征提取、文章-问题交互和答案预测，并讨论了完形填空、多项选择、范围预测和自由形式作答等任务的评估指标。最后，提出了速度和可扩展性、鲁棒性和可解释性作为未来研究的重要方向，并展望了基于知识、多文档和对话式阅读理解的新趋势。

摘要由CSDN通过智能技术生成

本文参考了陈丹琦博士的毕业论文《Neural Reading Comprehension and Beyond》以及国防科技大的神经机器阅读理解综述《Neural Machine Reading Comprehension: Methods and Trends》，便于了解神经阅读理解的背景知识、基于深度网络的阅读理解模型和未来的研究趋势。

1、背景知识

机器阅读理解是指让机器根据给定的文本回答与文本相关的问题，来衡量机器对自然语言的理解能力。由于过去的数据集规模较小，多采用基于规则的传统方法，因此机器阅读理解系统发展受限，不能满足需求。后来随着深度学习的发展，学者们提出了神经阅读理解模型，即利用深度学习完成机器阅读理解任务，相比于传统的机器阅读理解，这类方法更擅长挖掘文本的上下文语义信息，模型效果显著提升。

2、模型

机器阅读理解模型一般由四个模块组成，分别是嵌入编码(Embeddings)、特征提取(Feature Extraction)、文章-问题交互(Context-Question Interaction)和答案预测(Answer Prediction)。