MCR-Net：一种用于机器阅读理解中不可回答问题多步协同交互关系网络

问答系统通常使用关键词检索来获取与问题相关的潜在段落，然后利用机器阅读理解方法从段落中抽取答案。然而，现实中的许多问题往往不可回答。在此情形下，模型如何判定段落不支持任何答案并放弃回答，是一项重要且具有挑战性的任务。现有多数系统设计一个简单分类器来隐式判定可答性，而未显式建模问题与段落之间的相互交互和关系，导致对不可回答问题的判定性能较差。为解决该问题，我们提出一种多步协同交互关系网络（MCR-Net），通过引入协同交互关系模块显式建模相互交互并从粗到细定位关键线索。该协同交互关系模块包含一组交互与融合块，以显式方式持续整合与融合历史引导与当前查询引导的线索。在 SQuAD 2.0 和 DuReader 数据集上的实验表明，我们的模型取得了显著提升，优于文献中的 BERT 风格基线。可视化分析也验证了问题与段落之间相互交互的重要性。