典型文献
融合BERT语义表示的高考语文阅读理解问答研究
文献摘要：
高考语文阅读理解问答相对普通阅读理解问答难度更大,同时高考问答任务中的训练数据较少,目前的深度学习方法不能取得良好的答题效果.针对这些问题,该文提出融合BERT语义表示的高考阅读理解答案候选句抽取方法.首先,采用改进的MMR算法对段落进行筛选;其次,运用微调之后的BERT模型对句子进行语义表示;再次,通过SoftMax分类器对答案候选句进行抽取,最后利用PageRank排序算法对输出结果进行二次排序.该方法在北京近十年高考语文阅读理解问答题上的召回率和准确率分别达到了61.2％和50.1％,验证了该方法的有效性.
文献关键词：
高考阅读理解;自动问答;段落评价;BERT;PageRank
中图分类号：
作者姓名：
杨陟卓;韩晖;张虎;钱揖丽;李茹
作者机构：
山西大学 计算机与信息技术学院,山西 太原 030006;山西大学 计算智能与中文信息处理教育部重点实验室,山西 太原 030006
文献出处：
引用格式：
[1]杨陟卓;韩晖;张虎;钱揖丽;李茹-.融合BERT语义表示的高考语文阅读理解问答研究)[J].中文信息学报,2022(05):59-66
A类：
候选句抽取,段落评价
B类：
BERT,高考语文,语文阅读,考问,训练数据,深度学习方法,能取,高考阅读理解,解答,MMR,落进,微调,对句,句子,SoftMax,分类器,对答,PageRank,排序算法,输出结果,问答题,召回率,自动问答
AB值：
0.304049
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。
