面向问答的动态协同注意力网络
计算与语言
2018-03-08 v4 人工智能
摘要
已有若干深度学习模型被提出用于问答。然而，由于其单遍性质，它们无法从对应于错误答案的局部极大值中恢复。为解决这个问题，我们引入用于问答的动态协同注意力网络（DCN）。DCN 首先融合问题和文档的相互依赖表示，以聚焦于两者的相关部分。然后一个动态指向解码器在潜在答案跨度上迭代。该迭代过程使模型能够从对应于错误答案的初始局部极大值中恢复。在斯坦福问答数据集上，单个 DCN 模型将先前最佳从 71.0% F1 提升到 75.9%，而 DCN 集成取得 80.4% F1。
引用
@article{arxiv.1611.01604,
title = {Dynamic Coattention Networks For Question Answering},
author = {Caiming Xiong and Victor Zhong and Richard Socher},
journal= {arXiv preprint arXiv:1611.01604},
year = {2018}
}
备注
14 pages, 7 figures, International Conference on Learning Representations 2017