面向Natural Questions的BERT基线
计算与语言
2019-12-10 v3
摘要
本技术说明描述了Natural Questions的一个新基线。我们的模型基于BERT，分别将长答案和短答案任务中原始数据集论文报告的模型F1分数与人类上限之间的差距相对缩小了30%和50%。该基线已提交至ai.google.com/research/NaturalQuestions上的官方NQ排行榜。代码、预处理数据和预训练模型可在https://github.com/google-research/language/tree/master/language/question_answering/bert_joint获取。
关键词
引用
@article{arxiv.1901.08634,
title = {A BERT Baseline for the Natural Questions},
author = {Chris Alberti and Kenton Lee and Michael Collins},
journal= {arXiv preprint arXiv:1901.08634},
year = {2019}
}