TL;DR该研究通过构建可训练模块的编程 - 解释器框架,增加加减法模块,弥补了神经模块网络在多类型、数字推理方面的能力,实验证明该方法提高了 F1 值,表现优于现有模型。
Abstract
Answering complex questions that require multi-step multi-type reasoning over
raw text is challenging, especially when conducting numerical reasoning. Neural
Module Networks(NMNs), follow the programmer-interpret
提出了一个名为 NumNet 的数值 MRC 模型,它利用带数值意识的图神经网络,考虑问题和段落中数字上的比较信息,从而执行数值推理,理解人类阅读理解中的关键技能。在 DROP 数据集上,我们的系统取得了 EM 得分 64.56%,优于所有现有的机器阅读理解模型,这是因为我们考虑了数字之间的数值关系。