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。
- 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
- 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
- 使用指针网络来定位文章中答案的位置
- 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 |