面向机器阅读理解的语句填补答案选择方法

被引：4

作者：

徐丽丽 ^{[1
]}

李茹 ^{[1
,2
,3
]}

李月香 ^{[1
]}

郭少茹 ^{[1
]}

谭红叶 ^{[1
,2
]}

机构：

[1] 山西大学计算机与信息技术学院

[2] 山西大学计算智能与中文信息处理教育部重点实验室

[3] 山西省大数据挖掘与智能技术协同创新中心

来源：

计算机工程 | 2018年 / 44卷 / 07期

关键词：

机器阅读理解; 神经网络; 语句填补; 分布式语句表示; 答案选择;

D O I：

10.19678/j.issn.1000-3428.0049398

中图分类号：

TP183 [人工神经网络与计算]; TP391.1 [文字信息处理];

学科分类号：

摘要：

语句填补类选择题是高考语文阅读理解中题型之一,是自然语言处理研究的热点,其中题干信息和答案的关系非常隐蔽,无法从篇章中直接选出答案。为此,针对语句填补选择题提出基于长短时记忆网络模型的语句填补答案选择方法。使用神经网络中的LSTM模型对篇章中每个句子和选项进行分布式表示,通过向量直接拼接和按位相乘融合篇章和选项之间的语义信息,实现对语句填补类选择题的解答。在新闻语料和全国各省近10年高考题和模拟题上的实验结果,验证了该方法的有效性。

引用

页码：183 / 187+192 +192

页数：6

共 7 条

[1] 基于双线性函数注意力Bi-LSTM模型的机器阅读理解 [J].

刘飞龙 ;

郝文宁 ;

陈刚 ;

靳大尉 ;

宋佳星 .

计算机科学, 2017, 44(S1) (S1) :92-96+122

[2] 阅读理解答案预测 [J].

李茹 ;

马淑晖 ;

张虎 ;

郭少茹 .

山西大学学报(自然科学版), 2017, 40 (04) :763-770

[3] 基于字符级循环网络的查询意图识别模型 [J].

孟奎 ;

刘梦赤 ;

胡婕 .

计算机工程, 2017, 43 (03) :181-186

[4] 论篇章连贯性的条件 [J].

林纪诚 .

外语教学 , 1988, (02) :87-87

[5]

Building Watson: An Overview of the DeepQA Project[J] . Ferrucci,David,Brown,Eric,Chu-Carroll,Jennifer,Fan,James,Gondek,David,Kalyanpur,Aditya A,Lally,Adam,Murdock,J William,Nyberg,Eric,Prager,John,Schlaefer,Nico,Welty,Chris.AI Magazine . 2010 (3)

[6]

Adaptive support vector regression for UAV flight control[J] . Jongho Shin,H. Jin Kim,Youdan Kim.Neural Networks . 2010 (1)

[7]

Semantic parsing on freebase from question-answer pairs .2 J.Berant,A.Chou,R.Frostig,P.Liang. the Empirical Methods in Natural Language Processing . 2013

← 1 →