基于 EpiReader 的自然语言理解
计算与语言
2016-06-13 v2
摘要
我们提出 EpiReader，一种用于文本机器理解的新模型。对非结构化真实世界文本的机器理解是自然语言处理的一个主要研究目标。当前的机器理解测试提出其答案可从某些支持文本推断出的问题，并评估模型对这些问题的响应。EpiReader 是一个端到端神经模型，包含两个组件：第一个组件在将问题与支持文本比较后提出一小组候选答案，第二个组件利用提出的候选和问题构建假设，然后基于假设与支持文本的估计一致性对假设重新排序。我们给出的实验表明，EpiReader 在 CNN 和 Children's Book Test 机器理解基准上确立了新的最优性能(state-of-the-art)，以显著优势超越了先前的神经模型。
引用
@article{arxiv.1606.02270,
title = {Natural Language Comprehension with the EpiReader},
author = {Adam Trischler and Zheng Ye and Xingdi Yuan and Kaheer Suleman},
journal= {arXiv preprint arXiv:1606.02270},
year = {2016}
}
备注
8 pages plus references. Submitted to EMNLP 2016