Please wait a minute...
Advanced Search
数据分析与知识发现
  本期目录 | 过刊浏览 | 高级检索 |
基于多角度共同匹配的多项选择机器阅读理解模型
段建勇,魏晓鹏,王昊
(北方工业大学信息学院 北京 100144)
(北方工业大学CNONIX国家标准应用与推广实验室,北京 100144)
A Multi-perspective Co-matching model for Multi-choice reading comprehension
DUAN Jianyong,WEI Xiaopeng,WANG Hao
(School of Information, North China University of Technology, Beijing 100144, China)
(CNONIX National Standard Application and Promotion Laboratory, North China University of Technology, Beijing 100144, China)
全文: PDF (671 KB)  
输出: BibTeX | EndNote (RIS)      
摘要 

[目的]提出一个用于多项选择机器阅读理解的多角度共同匹配模型,并探讨问题类型和答案长度对机器寻找正确答案的影响。

[方法]使用多角度匹配机制获得文章与问题和候选答案之间的相关性,之后用相关性去与文章相乘得到问题和候选答案的向量表示。然后提取句子级和文档级的特征,最后基于这些特征选择出正确答案。基于问题类型和答案长度对数据进行分类,然后测试它们的精确度,并分析它们对机器选择正确答案的影响。

[结果]本模型在RACE-M、RACE-H和RACE数据集上的准确率分别达到了72.5%、63.1%和66.1%。

[局限]多角度匹配机制包含四种匹配策略和多个角度使得模型在交互层需要消耗大量的内存和时间。

[结论]多角度匹配机制能够更好的交互文章与问题和候选答案,模型的准确率更受到问题类型的影响,而不受答案长度的影响。


服务
把本文推荐给朋友
加入引用管理器
E-mail Alert
RSS
作者相关文章
关键词 机器阅读理解多项选择注意力机制多角度匹配     
Abstract

[Objective] This paper proposes a model of Multi-choice reading comprehension, and explore the influence of the question type and answer length on the machine reading comprehension.

[Methods] The multi-perspective matching mechanism is used to obtain the correlation between the article, the question and the candidate answer, and then the correlation is used to multiply the article to obtain the vector representation of the question and the candidate answer. Next we extract sentence-level and document-level features, and finally select the correct answer based on these features. Categorize the data based on the question type and answer length, then test their accuracy and analyze their impact on the machine's choice of correct answers.

[Result] The accuracy of this model on the RACE-M, RACE-H and RACE datasets reached 72.5%, 63.1% and 66.1% respectively.

[Limitations] The multi-perspective matching mechanism contains four matching strategies and multiple angles, which makes the model consume a lot of memory and time at the interactive layer.

[Conclusions] The multi-perspective matching mechanism can better interact the article with the question and answer. The accuracy of the model is more affected by the type of question, not by the length of the answer.


Key words Machine reading comprehension    multi-choice    attention mechanism    multi-perspective matching
     出版日期: 2020-11-11
ZTFLH:  TP391  
引用本文:   
段建勇, 魏晓鹏, 王昊. 基于多角度共同匹配的多项选择机器阅读理解模型 [J]. 数据分析与知识发现, 10.11925/infotech.2096-3467. 2020.0714.
DUAN Jianyong, WEI Xiaopeng, WANG Hao. A Multi-perspective Co-matching model for Multi-choice reading comprehension . Data Analysis and Knowledge Discovery, 0, (): 1-.
链接本文:  
http://manu44.magtech.com.cn/Jwk_infotech_wk3/CN/10.11925/infotech.2096-3467. 2020.0714      或      http://manu44.magtech.com.cn/Jwk_infotech_wk3/CN/Y0/V/I/1
[1] 黄露,周恩国,李岱峰. 融合特定任务信息注意力机制的文本表示学习模型*[J]. 数据分析与知识发现, 2020, 4(9): 111-122.
[2] 尹浩然,曹金璇,曹鲁喆,王国栋. 扩充语义维度的BiGRU-AM突发事件要素识别研究*[J]. 数据分析与知识发现, 2020, 4(9): 91-99.
[3] 石磊,王毅,成颖,魏瑞斌. 自然语言处理中的注意力机制研究综述*[J]. 数据分析与知识发现, 2020, 4(5): 1-14.
[4] 薛福亮,刘丽芳. 一种基于CRF与ATAE-LSTM的细粒度情感分析方法*[J]. 数据分析与知识发现, 2020, 4(2/3): 207-213.
[5] 徐彤彤,孙华志,马春梅,姜丽芬,刘逸琛. 基于双向长效注意力特征表达的少样本文本分类模型研究*[J]. 数据分析与知识发现, 2020, 4(10): 113-123.
[6] 吴粤敏,丁港归,胡滨. 基于注意力机制的农业金融文本关系抽取研究*[J]. 数据分析与知识发现, 2019, 3(5): 86-92.
[7] 陶志勇,李小兵,刘影,刘晓芳. 基于双向长短时记忆网络的改进注意力短文本分类方法 *[J]. 数据分析与知识发现, 2019, 3(12): 21-29.
[8] 李钰曼,陈志泊,许福. 基于KACC模型的文本分类研究 *[J]. 数据分析与知识发现, 2019, 3(10): 89-97.
[9] 程勇, 徐德宽, 吕学强. 基于层级交互网络的文本阅读理解与问答方法研究*[J]. 数据分析与知识发现, 2018, 2(12): 23-32.
Viewed
Full text


Abstract

Cited

  Shared   
  Discussed   
版权所有 © 2015 《数据分析与知识发现》编辑部
地址:北京市海淀区中关村北四环西路33号 邮编:100190
电话/传真:(010)82626611-6626,82624938
E-mail:jishu@mail.las.ac.cn