典型文献
基于MHSA和句法关系增强的机器阅读理解方法研究
文献摘要：
机器阅读理解(Machine reading comprehension,MRC)是自然语言处理领域中一项重要研究任务,其目标是通过机器理解给定的阅读材料和问题,最终实现自动答题.目前联合观点类问题解答和答案依据挖掘的多任务联合学习研究在机器阅读理解应用中受到广泛关注,它可以同时给出问题答案和支撑答案的相关证据,然而现有观点类问题的答题方法在答案线索识别上表现还不是太好,已有答案依据挖掘方法仍不能较好捕获段落中词语之间的依存关系.基于此,引入多头自注意力(Multi-head self-attention,MHSA)进一步挖掘阅读材料中观点类问题的文字线索,改进了观点类问题的自动解答方法;将句法关系融入到图构建过程中,提出了基于关联要素关系图的多跳推理方法,实现了答案支撑句挖掘;通过联合优化两个子任务,构建了基于多任务联合学习的阅读理解模型.在2020中国"法研杯"司法人工智能挑战赛(China AI Law Challenge 2020,CAIL2020)和HotpotQA数据集上的实验结果表明,本文提出的方法比已有基线模型的效果更好.
文献关键词：
机器阅读理解;多头自注意力;句法关系;多跳推理
中图分类号：
作者姓名：
张虎;王宇杰;谭红叶;李茹
作者机构：
山西大学计算机与信息技术学院 太原 030006
文献出处：
引用格式：
[1]张虎;王宇杰;谭红叶;李茹-.基于MHSA和句法关系增强的机器阅读理解方法研究)[J].自动化学报,2022(11):2718-2728
A类：
CAIL2020,HotpotQA
B类：
MHSA,句法关系,机器阅读理解,Machine,reading,comprehension,MRC,自然语言处理,研究任务,阅读材料,自动答题,前联合,问题解答,多任务,联合学习,学习研究,不是太好,挖掘方法,段落,中词,词语,依存关系,多头自注意力,Multi,head,self,attention,字线,解答方法,构建过程,关系图,多跳推理,推理方法,联合优化,子任务,阅读理解模型,法研杯,司法人工智能,挑战赛,China,Law,Challenge,基线模型
AB值：
0.41847
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。
