基于 Attention Sum Reader Network 的文本理解

近来引入了几个大型完形填空式上下文-问题-答案数据集：CNN and Daily Mail news data 以及 Children's Book Test。得益于这些数据集的规模，相关的文本理解任务非常适合于深度学习技术，其目前似乎优于所有其他方法。我们提出了一种新颖、简单的模型，该模型利用注意力直接从上下文中选取答案，而不是像类似模型中通常所做的那样使用文档中词语的混合表示来计算答案。这使得该模型特别适用于答案为文档中单个词语的问答问题。我们模型的集成在所有评估数据集上确立了新的最优性能。