典型文献
针对机器问答中多跳问题的深度学习网络模型
文献摘要：
多跳问答(multi-hop question answering,multi-hop QA)是文本问答的一项重要且具有挑战性的任务.针对现有方法在解决多跳问题时答案推理能力弱、答案寻找的准确率低等问题提出一种多跳问题的深度学习网络模型AGTNet(albert graph attention network,轻量双向编码图注意力网络).首先在神经网络隐藏层使用参数共享和矩阵分解技术,然后使用点积计算方式进行答案预测,最后使用已标注的数据集对AGTNet模型进行训练验证.试验结果表明,本模型经过训练后在测试集上的F1值达到70.4;与现有的多跳问答推理模型相比,本模型拥有较优的实体级推理能力,能够有效提高多跳问答推理能力,从而提升了问答系统的响应速度和准确率.本研究结果为问答系统和多轮对话机器人的研发提供了理论依据.
文献关键词：
多跳问答;深度学习;表征提取;问答推理
中图分类号：
作者姓名：
邵霭;许彩娥;万健;张蕾;郑慧琳
作者机构：
浙江科技学院 信息与电子工程学院,杭州310023;浙江科技学院 生物与化学工程学院,杭州310023
文献出处：
引用格式：
[1]邵霭;许彩娥;万健;张蕾;郑慧琳-.针对机器问答中多跳问题的深度学习网络模型)[J].浙江科技学院学报,2022(05):419-425
A类：
多跳问答,AGTNet,albert
B类：
机器问答,深度学习网络,multi,hop,question,answering,QA,推理能力,graph,attention,network,图注意力网络,参数共享,矩阵分解,分解技术,计算方式,经过训练,测试集,问答推理,推理模型,问答系统,响应速度,多轮对话,话机,表征提取
AB值：
0.304569
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。
