猿辅导在 SemEval-2018 任务 11 上的系统：基于三向注意力与关系知识的常识机器理解
计算与语言
2018-05-16 v5
摘要
本文描述了我们用于 SemEval-2018 任务 11（使用常识知识的机器理解）的系统。我们使用三向注意力网络（TriAN）对篇章、问题和答案之间的交互建模。为融入常识知识，我们用来自通用知识图谱 ConceptNet（Speer 等，2017）的关系嵌入扩充输入。结果表明，我们的系统在官方测试数据上以 83.95% 的准确率取得了最先进的性能。代码公开于 https://github.com/intfloat/commonsense-rc
引用
@article{arxiv.1803.00191,
title = {Yuanfudao at SemEval-2018 Task 11: Three-way Attention and Relational Knowledge for Commonsense Machine Comprehension},
author = {Liang Wang and Meng Sun and Wei Zhao and Kewei Shen and Jingming Liu},
journal= {arXiv preprint arXiv:1803.00191},
year = {2018}
}
备注
5 pages, 1 figure, Accepted to International Workshop on Semantic Evaluation 2018