面向机器理解的双向注意力流网络
计算与语言
2018-06-22 v6
摘要
机器理解（MC）即针对给定上下文段落回答查询，需要对上下文与查询之间的复杂交互建模。近来，注意力机制已成功扩展到 MC。通常这些方法使用注意力聚焦于上下文的一小部分并用固定大小向量汇总，暂时耦合注意力，和/或常形成单向注意力。本文中，我们引入双向注意力流（BIDAF）网络，一种多阶段分层过程，在不同粒度级别表示上下文，并使用双向注意力流机制获得查询感知的上下文表示而无需早期汇总。我们的实验评估表明，我们的模型在斯坦福问答数据集（SQuAD）和 CNN/DailyMail 完形填空测试上取得了最先进的结果。
引用
@article{arxiv.1611.01603,
title = {Bidirectional Attention Flow for Machine Comprehension},
author = {Minjoon Seo and Aniruddha Kembhavi and Ali Farhadi and Hannaneh Hajishirzi},
journal= {arXiv preprint arXiv:1611.01603},
year = {2018}
}
备注
Published as a conference paper at ICLR 2017