用于常识阅读理解的多元融合网络
计算与语言
2019-01-09 v1
摘要
常识阅读理解（CRC）是一项极具挑战性的任务，旨在针对叙述性篇章所提问题选择正确答案，这可能要求常识知识推理。现有多数方法仅从\emph{联合}视角以简单组合方式融合选项、篇章与问题的交互信息，缺乏更深层次的比较信息。为此，我们提出多元融合网络（MPFN），通过引入\emph{差异}与\emph{相似}融合（连同\emph{联合}融合），将单一融合方法扩展为多元视角。通过三类融合可捕获更全面准确的信息。我们在MCScript数据集上设计多组实验分别评估三类融合的有效性。由实验结果可得，差异融合与联合融合相当，而相似融合需由联合融合激活。实验结果还表明，我们的MPFN模型在官方测试集上以83.52%的准确率取得了当前最优（state-of-the-art）性能。
引用
@article{arxiv.1901.02257,
title = {Multi-Perspective Fusion Network for Commonsense Reading Comprehension},
author = {Chunhua Liu and Yan Zhao and Qingyi Si and Haiou Zhang and Bohan Li and Dong Yu},
journal= {arXiv preprint arXiv:1901.02257},
year = {2019}
}