面向神经阅读理解的查询与答案分离
计算与语言
2016-09-28 v3 神经与进化计算
摘要
我们提出了一种用于回答查询的新型神经架构，旨在最优地利用以查询-答案记忆形式存在的显式支持。我们的模型能够在为预测答案单独累积证据的同时，对给定查询进行细化和更新。其架构通过专用的嵌入矩阵和用于更新查询与累积证据的松散连接信息通路（模块）体现了这种分离。这种职责分离有效地将查询相关支持的搜索与答案的预测解耦。在最近的阅读理解基准数据集上，我们的模型取得了当前最优结果。定性分析表明，该模型能够有效地从查询中并在多次支持检索周期中累积加权证据，从而实现稳健的答案预测。
引用
@article{arxiv.1607.03316,
title = {Separating Answers from Queries for Neural Reading Comprehension},
author = {Dirk Weissenborn},
journal= {arXiv preprint arXiv:1607.03316},
year = {2016}
}