基于深度学习的机器阅读理解综述

被引：18

作者：

李舟军

王昌宝

机构：

[1] 北京航空航天大学计算机学院

来源：

计算机科学 | 2019年 / 46卷 / 07期

基金：

国家重点研发计划;

关键词：

自然语言处理; 机器阅读理解; 深度学习; 词向量; 注意力机制;

D O I：

暂无

中图分类号：

TP391.1 [文字信息处理]; TP18 [人工智能理论];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

阅读理解能力是人类智能中最关键的能力之一,而机器阅读理解作为自然语言处理领域皇冠上的明珠,一直是该领域的研究焦点。近年来,随着深度学习方法的快速发展,机器阅读理解技术获得了长足的进步。首先,对基于深度学习的机器阅读理解技术的研究背景和发展历史进行了概述;然后,详细介绍了词向量、注意力机制以及答案预测这三大关键技术的研究进展;在此基础上,分析了目前机器阅读理解研究所面临的问题;最后,对机器阅读理解技术的未来发展趋势进行了展望。

引用

页码：7 / 12

页数：6

共 3 条

[1] The Dynamic Representation of Scenes[J] . Ronald A. Rensink.Visual Cognition . 2000 (1-3)
[2] Machine reading at the University of Washington .2 Poon,H,Christensen,J,Domingos,P,Etzioni,O,Hoffmann,R,Kiddon,C,Lin,T,Ling,X,Ritter,A. NAACL HLT 2010 First International Workshop on Formalisms and Methodology for Learning by Reading . 2010
[3] Learning Natural Language Inference with LSTM .2 Wang S,Jiang J. Conference of the North American Chapter of the Association for Computational Linguistics . 2016

← 1 →