基于全时监督的双向 RNN 事实型问答
计算与语言
2016-06-22 v2
摘要
近年来，双向循环神经网络 (BRNN) 因其出色的性能被广泛应用于问答 (QA) 任务。然而，大多数现有的 BRNN 模型直接使用池化操作提取问题和答案的信息，以生成用于损失或相似度计算的表示。因此，这些现有模型并未在每个时间步施加监督（损失或相似度计算），从而会丢失一些有用信息。在本文中，我们提出了一种名为基于全时监督的 BRNN (FTS-BRNN) 的新型 BRNN 模型，该模型能够在每个时间步施加监督。在事实型问答任务上的实验表明，我们的 FTS-BRNN 优于其他基线模型，达到了 SOTA 的准确率。
引用
@article{arxiv.1606.05854,
title = {Full-Time Supervision based Bidirectional RNN for Factoid Question Answering},
author = {Dong Xu and Wu-Jun Li},
journal= {arXiv preprint arXiv:1606.05854},
year = {2016}
}
备注
9 pages