典型文献
基于深度学习的机器阅读理解研究综述
文献摘要：
机器阅读理解任务在近年来备受关注,它赋予计算机从文本数据中获取知识和回答问题的能力.如何让机器理解自然语言是人工智能领域长期存在的挑战之一,近年来大规模高质量数据集的发布和深度学习技术的运用,使得机器阅读理解取得了快速发展.基于神经网络的端到端的模型结构,基于预训练语言模型以及推理技术的应用,其性能在大规模评测数据集上有很大提升,但距离真正的理解语言还有较大差距.本文对机器阅读理解任务的研究现状与发展趋势进行了综述,主要包括任务划分、机器阅读理解模型与相关技术的分析,特别是基于知识推理的机器阅读理解技术,总结并讨论了该领域的发展趋势.
文献关键词：
机器阅读理解;自然语言处理;深度学习;神经网络;端到端模型;知识推理;预训练语言模型;人工智能
中图分类号：
作者姓名：
杜永萍;赵以梁;阎婧雅;郭文阳
作者机构：
北京工业大学信息学部,北京100124
文献出处：
引用格式：
[1]杜永萍;赵以梁;阎婧雅;郭文阳-.基于深度学习的机器阅读理解研究综述)[J].智能系统学报,2022(06):1074-1083
A类：
B类：
机器阅读理解,解任,文本数据,答问,人工智能领域,长期存在,规模高质量,质量数据,深度学习技术,模型结构,预训练语言模型,评测数据集,解语,现状与发展趋势,任务划分,阅读理解模型,基于知识,知识推理,理解技术,自然语言处理,端到端模型
AB值：
0.269573
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
