本文总结了机器阅读理解的最新进展,在语料库和技术两个方面进行了重点介绍和比较,详细描述了不同 MRC 语料库的特点以及一些典型 MRC 技术的主要思想。
Jun, 2019
本篇综述论文全面比较了机器阅读理解的研究,主要介绍了它的起源、发展历程、对 NLP 社区的影响、定义、数据集、技术方法、研究亮点,并提出了新的分类和分类法,认为机器阅读理解将浅层文本匹配转化为认知推理的领域,同时也深化了从语言处理到语言理解的进展。
May, 2020
本文综述了深度学习在机器阅读理解 (MRC) 中的应用,包括典型的 MRC 任务、神经网络 MRC 的体系结构和新兴领域。文章指出了未来需要解决的问题。
Jul, 2019
本文提出了一种用于机器理解阅读测试的科学方法,引入了新颖的词法控制机制,通过注意力机制和记忆网络指导机器进行交互式阅读,并添加检查层来细化答案以提高正确性,实验证明该方法在 SQuAD 和 TriviaQA 两个常用数据集上的表现优于大多数现有的解决方案。
Oct, 2017
本文从对话建模技术的技术角度回顾了以往的方法,总结了对话理解的特点和挑战,并讨论了三种典型的对话建模模式,还对于提升 PrLM 在对话场景下的表现的对话相关预训练技术进行了分类。此外,本文突出了近年来的技术进步,并指出实证分析的教训和未来研究的前景。
Oct, 2021
提出了一种基于共享参数机制的端到端框架,称为 ET5,用于会话式机器阅读理解,可以在完整利用涉入推理信息的情况下实现跨步问答,并在 ShARC 数据集上达到了新的最优结果。
Sep, 2022
本文对 2016 年到 2020 年间关于机器阅读理解方面的 241 篇论文进行了全面的调查,探讨了机器阅读理解的不同方面,包括方法、结构、输入 / 输出和研究的创新之处,并论述了研究的重点发生了变化,从答案提取到答案生成,从单一到多文档阅读理解,从零开始学习到使用预训练的嵌入。同时我们还讨论了这个领域中的流行数据集和评估指标,最后还研究了最常被引用的论文及其贡献。
Jan, 2020
本论文提出了一种基于 BERT 的简单而有效的多轮对话机器理解方法,通过对多个问题和答案的条件编码,预测一个段落表示中的答案。实验结果表明,本方法在 QuAC 和 CoQA 数据集上表现优于最近发布的方法。在对对话历史数量和类型的影响进行详细分析后,论文发现金牌答案历史对模型性能的贡献最大。
May, 2019
提出了一种两阶段知识蒸馏方法,通过将 MRC 任务分为两个单独阶段教导模型更好地理解文档,实验结果表明,使用该方法装备的学生模型具有显著的改进,证明了该方法的有效性。
Jul, 2023
该研究确定机器阅读理解的内容,并提出短篇故事的一个理解模板,表明现有系统未达到我们定义的故事理解的任务水平。