《论文阅读》R-NET: MACHINE READING COMPREHENSION WITH SELF-MATCHING NETWORKS

这篇文章由Natural Language Computing Group, Microsoft Research Asia完成

---

摘要

在摘要部分简要介绍了R-NET的模型结构以及主要的方法和取得的效果。

1. 是阅读理解型的问答领域的端到端的神经网络模型，主要根据给定的文章回答问题
2. 第一次匹配问题和文章使用基于注意力机制的门控的循环神经网络，这可以获取问题感知的文章表达，然后提出一个自匹配的注意力机制，它可以通过将段落与自身进行对比来精化表达，这确实可以有效地编码来自整个文章的信息
3. 使用指针网络来定位文章中答案的位置
4. 在SQuAD和MS-MARCO数据集上实验，取得SOTA效果

简介

数据集不同

数据集	介绍	特点
SQuAD	It constrains answers to the space of all possible spans within the reference passage, moreover, it requires different forms of logical reasoning to infer the answer.	a continuous sub-span of passage
MS-MARCO	The answ