使用卷积网络实现快速阅读理解
计算与语言
2017-11-15 v1
摘要
最先进的深度阅读理解模型由循环神经网络主导。其顺序性天然契合语言，但也阻碍了实例内的并行化，并常成为将此类模型部署到延迟关键场景的瓶颈。对于较长文本而言这尤为成问题。本文提出一种卷积架构作为这些循环架构的替代方案。使用简单的扩张卷积单元替代循环单元，我们在两个问答任务上取得了与最先进水平相当的结果，同时实现了高达两个数量级的问答加速。
引用
@article{arxiv.1711.04352,
title = {Fast Reading Comprehension with ConvNets},
author = {Felix Wu and Ni Lao and John Blitzer and Guandao Yang and Kilian Weinberger},
journal= {arXiv preprint arXiv:1711.04352},
year = {2017}
}
备注
15 pages, 10 figures, submitted to ICLR 2018