典型文献
基于自适应知识选择的机器阅读理解
文献摘要：
目前针对知识增强机器阅读理解的研究主要集中在如何把外部知识融入现有的机器阅读理解模型,却忽略了对外部知识的来源进行选择.该文首先基于注意力机制对外部知识进行编码,然后对不同来源的外部知识编码进行打分,最后自适应地选择出对回答问题最有帮助的知识.与基线模型相比,该文提出的基于自适应知识选择的机器阅读理解模型在准确率上提高了1.2个百分点.
文献关键词：
机器阅读理解;知识增强;自适应选择
中图分类号：
作者姓名：
李泽政;田志兴;张元哲;刘康;赵军
作者机构：
中国科学院 自动化研究所 模式识别国家重点实验室,北京100190;中国科学院大学 人工智能技术学院,北京100049
文献出处：
引用格式：
[1]李泽政;田志兴;张元哲;刘康;赵军-.基于自适应知识选择的机器阅读理解)[J].中文信息学报,2022(06):117-124
A类：
外部知识融入
B类：
知识选择,机器阅读理解,知识增强,阅读理解模型,对外部,注意力机制,不同来源,打分,答问,基线模型,百分点,自适应选择
AB值：
0.209408
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。
