自然语言处理 - 机器问答

1. Question Answering 数据集

Stanford Question Answering Dataset (SQuAD): extractive question answering (抽取式，即从文章中摘取一串字符作为答案)

SQuAD数据集举例：

这里出错可能是因为算法看到"when"知道要去找时间，看到"kill"又找到了跟他相似的"destroy",于是找到了附近的1234. 但是这并不是答案。

2. 背景

通常用两步来完成用户问题在海量文本集上的回答：

• 找到可能包含答案的文章(信息检索)
• 找到文章中的答案(机器阅读理解)

3. History of Question Answering

4. 机器问答的评估

5. Stanford Attentive Reader

5.1 question embedding 

• 首先，通过查GloVe-300表来把问题中的每一个词做embedding(浅黄色部分)
• 每个词的embedding作为输入，输到Bi-LSTM中；之后将Bi-LSTM的两个最后一个hidden state拼接在一起，形成Question的embedding

5.2 passage embedding