阅读理解任务中多轮推理策略的实证分析
计算与语言
2017-11-10 v1
摘要
阅读理解（RC）是一项具有挑战性的任务，需要对跨句子的信息进行综合并进行多轮推理。我们使用一个最先进的 RC 模型，在 SQuAD 和 MS MARCO 数据集上实证研究了单轮与多轮推理的性能。该 RC 模型是一个具有迭代注意力的端到端神经网络，并使用强化学习来动态控制推理轮数。我们发现，对于所有问题与答案类型，多轮推理均优于单轮推理；进一步，我们观察到，启用灵活轮数通常比固定的多轮策略有所改进。我们在这两个数据集上取得了与最先进方法相竞争的结果。
引用
@article{arxiv.1711.03230,
title = {An Empirical Analysis of Multiple-Turn Reasoning Strategies in Reading Comprehension Tasks},
author = {Yelong Shen and Xiaodong Liu and Kevin Duh and Jianfeng Gao},
journal= {arXiv preprint arXiv:1711.03230},
year = {2017}
}