用于问答的查询缩减网络
计算与语言
2017-02-28 v6 神经与进化计算
摘要
在本文中，我们研究了需要对多个事实进行推理的问答问题。我们提出了查询缩减网络（QRN），这是一种循环神经网络（RNN）的变体，能够有效处理短期（局部）和长期（全局）序列依赖关系，以对多个事实进行推理。QRN 将上下文句子视为一系列状态变化触发器，并随着时间推移观察每个触发器（上下文句子），将原始查询缩减为信息更丰富的查询。我们的实验表明，QRN 在 bAbI QA 和对话任务以及一个真实的面向目标的对话数据集上产生了 SOTA 结果。此外，QRN 的公式化允许在 RNN 的时间轴上进行并行化，从而在训练和推理的时间复杂度上节省了一个数量级。
引用
@article{arxiv.1606.04582,
title = {Query-Reduction Networks for Question Answering},
author = {Minjoon Seo and Sewon Min and Ali Farhadi and Hannaneh Hajishirzi},
journal= {arXiv preprint arXiv:1606.04582},
year = {2017}
}
备注
Published as a conference paper at ICLR 2017. Title of the paper has changed from "Query-Regression Networks for Machine Comprehension"