本文综述了多跳阅读理解的评估度量和数据集,包括问题定义、多跳度量和 15 个多跳数据集的综合分析,最后讨论了该领域的未解决问题。
Dec, 2022
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
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
本篇论文主要对机器阅读理解(MRC)领域中的任务、数据集、评估指标等方面进行综合调研和分析,发现现有 MRC 模型虽已超越人类在不同 benchmark 数据集的表现,但与真实的人类阅读理解能力仍存在很大差距,因此提出了一些未来的研究方向和关键问题。
Jun, 2020
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
本文利用多任务学习在两种多项选择阅读理解任务(RACE 和 DREAM)上实现了新的 DREAM 任务的最新性能,其中运用了基于 Transformer 的模型,通过在上下文和问题 - 答案之间添加额外的多头注意力层来 fine-tune 模型。
Feb, 2020
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
该论文提出了基于心理学和心理测量学的 MRC 数据集设计理论基础,要求未来的数据集应该评估模型构建上下文相关情境的合理和连贯的表示能力,并通过防止捷径的问题和解释来确保实质性有效性。
Apr, 2020
本文提出了一种新颖的无图替代方法,采用 select-to-guide 策略并结合两种新颖的注意机制,在 HotpotQA 数据集上明显优于基准和当前最新的状态 - of-the-art。
Jul, 2021
提出了一种基于端到端神经模型的多文本阅读理解模式,通过多个模块的共同作用来检测文本间的答案验证,实现对真实网络数据的阅读理解,显著提高了 MS-MARCO 数据集和中文 DuReader 数据集的 MRC 模型性能。
May, 2018