隨著深度學(xué)習(xí)的復(fù)興,再一次掀起了人工智能的研究高潮,而對自然語言處理來說,自然語言一直以來被譽(yù)為是人工智能領(lǐng)域的皇冠。其中,推理能力是實(shí)現(xiàn)真正人工智能的一個(gè)關(guān)鍵因素,為了讓機(jī)器獲得更強(qiáng)的推理能力,有學(xué)者提出利用機(jī)器閱讀理解任務(wù)來讓機(jī)器獲得深度推理能力,并且隨著閱讀理解相關(guān)的各類型數(shù)據(jù)集發(fā)布和模型快速發(fā)展,促使機(jī)器閱讀理解迅速成為nlp領(lǐng)域最熱門的研究方向之一。百度于2018年提出DuReader2.0數(shù)據(jù)集,相較于其他閱讀理解任務(wù)數(shù)據(jù)集,DuReader2.0有著很大的不同,它的數(shù)據(jù)來源豐富,問題類型復(fù)雜,文本數(shù)據(jù)很長,并且每個(gè)問題對應(yīng)多個(gè)文章和多個(gè)人工答案。針對DuReader2.0這種多文檔多答案的機(jī)器閱讀理解任務(wù),本文主要從三個(gè)方面來進(jìn)行研究,考察長文本的有效信息提取,研究文章與問題信息的有效融合,并研究如何獲取更豐富的文本信息。本文的主要工作內(nèi)容和成果如下:（1）研究并復(fù)現(xiàn)了在單文檔問題跨度抽取任務(wù)上具有較好性能的BiDAF模型（百度官方給出的基準(zhǔn)模型）,并以BiDAF的成績作為本文任務(wù)的基準(zhǔn)成績,以BiDAF模型作為我們工作改進(jìn)的基準(zhǔn)模型。（2）針對DuReader2.0這類... 

【文章來源】：廣東工業(yè)大學(xué)廣東省

【文章頁數(shù)】：61 頁

【學(xué)位級別】：碩士

【部分圖文】：

前饋神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖

神經(jīng)網(wǎng)絡(luò)擬合非線性可分?jǐn)?shù)據(jù)圖示

卷積計(jì)算實(shí)例Fig.2-3Convolutioncalculationexample


本文編號：3551563