实体追踪改进完形填空式阅读理解
计算与语言
2018-10-09 v1
摘要
阅读理解任务测试模型处理长期上下文和记忆显著信息的能力。近期工作表明，相对简单的神经方法（如 Attention Sum-Reader）在这些任务上表现良好；然而，这些系统仍显著落后于人类表现。分析表明，许多剩余的困难样本与无法在文档中追踪实体指代有关。本工作聚焦于这些困难的实体追踪案例，提出两项扩展：（1）额外的实体特征，以及（2）以多任务追踪目标进行训练。我们表明这些简单修改独立及组合均能提升性能，并在 LAMBADA 数据集上超越了先前的最优水平，尤其在困难实体样本上。
引用
@article{arxiv.1810.02891,
title = {Entity Tracking Improves Cloze-style Reading Comprehension},
author = {Luong Hoang and Sam Wiseman and Alexander M. Rush},
journal= {arXiv preprint arXiv:1810.02891},
year = {2018}
}
备注
EMNLP 2018 (Short Paper)