高考历史问答任务中的单样本学习
计算与语言
2018-06-26 v1
摘要
回答大学入学考试（中文称高考）题目是一项具有挑战性的人工智能任务，因为它需要有效的表示来捕捉问题与答案之间复杂语义关系。本文中，我们提出一种混合神经模型用于历史考试的深度问答任务。我们的模型采用协作门控神经网络，在神经图灵机标注器所给额外标签的辅助下检索答案。实证研究表明，该标注器仅需小规模训练集即可良好工作，且门控机制擅长获取冗长答案的语义表示。问答实验表明，所提模型在多项评价指标上相较多种神经模型基线获得了显著的性能提升。
引用
@article{arxiv.1806.09105,
title = {One-shot Learning for Question-Answering in Gaokao History Challenge},
author = {Zhuosheng Zhang and Hai Zhao},
journal= {arXiv preprint arXiv:1806.09105},
year = {2018}
}
备注
Proceedings of the 27th International Conference on Computational Linguistics (COLING 2018)