EMNLPSep, 2020
不做也比错做好:面向文档级机器阅读理解的反思模型
No Answer is Better Than Wrong Answer: A Reflection Model for Document Level Machine Reading Comprehension
Xuguang Wang, Linjun Shou, Ming Gong, Nan Duan, Daxin Jiang
TL;DR本研究旨在解决 “自然问题” 基准集所提出的机器阅读理解新挑战,通过提出名为 “Reflection Net” 的新方法,并采用两步训练过程来识别无答案和错误答案案例,该方法在长答案和短答案排行榜上,分别取得了 77.2 和 64.1 的 F1 得分,并经过大量实验证实其有效性。