squad dataset | BriefGPT - AI 论文速递

关键词squad dataset

搜索结果 - 16

HeySQuAD：一个口语化问答数据集
本研究主要介绍了一个新的基于 HeySQuAD 数据集的 SQA 系统基准测试方法，该方法使用了包含 76k 个人类口述问题和 97k 个机器生成问题的问答数据集，证明了使用转录的口述问题进行训练可以显著提高系统的性能 (12.51%)，具
PDFa year ago
机器阅读理解的多粒度表示探究与应用
本文提出了一种名为自适应双向注意胶囊网络（ABA-Net）的新方法，通过在编码器中利用不同级别的源表示来为预测器提供不同视图，从而充分利用模型的表达能力，进而提升机器阅读理解任务的性能，实验结果表明，在 SQuAD 数据集上实现了最新的最佳
PDF2 years ago
利用 Transformer 语言模型简化段落级问题生成
Question generation is a natural language generation task that can be achieved with a single Transformer-based unidirect
PDF4 years ago
EMNLP使用组合性解释来教授机器理解
本文提出了一种使用少量半结构化解释 “教” 机器阅读理解的方法，同时提取结构化变量和规则，并组成神经模块作为下游 MRC 模型的训练实例的注释，使用可学习的神经模块和软逻辑来处理语言变化并克服模型覆盖率不足。在 SQuAD 数据集上，使用
PDF4 years ago
EMNLP问答系统中的位置偏差
本研究发现在训练集中，答案位置分布呈高度偏斜时，使用位置预测作为答案的提取型问答模型容易学习到虚假的位置线索，并且在不同位置上无法提供正确的答案。因此，对于 BiDAF 和 BERT 等受到位置偏见影响的模型，我们实现了多种消除位置偏见的方
PDF4 years ago
基于强化学习的图到序列模型的自然问句生成
本文提出了一种基于强化学习的图到序列模型，以生成语法和语义正确的自然问题，并取得了 SQuAD 数据集上大幅领先于之前最先进的方法的效果。
PDF5 years ago
EMNLP基于问题类型的问句生成
本文介绍一种基于序列到序列模型（seq2seq model）的问题生成方法，该方法可以根据输入答案和上下文自动预测问题类型，然后将问题类型带入模型中，解决了问题类型与答案不匹配的问题，并在 SQuAD 数据集上取得了最优结果。
PDF5 years ago
自然语言问题回答问题的集成方法
该研究利用神经注意力机制提高机器阅读理解和问答的准确性，分析和比较多种神经网络模型，将其组成集成模型并在 SQUAD 数据集上测试，结果表明集成模型优于最佳模型 Mnemonic Reader。
PDF5 years ago
AAAIQADiver: 诊断 QA 模型的交互式框架
本研究提出了一个基于 Web 的 UI 框架，通过整合可视化和分析工具来提供有关 QA 模型性能的信息，并帮助 QA 模型研究人员改进其模型的性能。
PDF6 years ago
EMNLP深度学习问答系统中动词的重要性探究
通过研究深度学习 QA 系统在 SQuAD 数据集上的表现，我们发现问题中的主要动词对系统的决策影响较小，在超过 90％的案例中，将动词替换为其反义词不会改变系统的决策。通过分析自我注意机制和 RNN 的隐藏层中包含的值，我们找到了这种现象
PDF6 years ago
ACL阅读理解的上下文化词表示
论文研究了使用神经网络和预训练语言模型来提取文件中问题的答案，通过提供丰富的上下文表示并允许模型在上下文相关和上下文无关的单词表示之间进行选择，可以获得比现有技术更好的性能。
PDF7 years ago
多层注意力机制在机器阅读理解中的应用
本研究提出了一种名为 PhaseCond 的多层关键词模型，其中包含多个实现通道表示和信息流调节的关注层堆栈和内部或外部融合层堆栈，并通过同时对来自不同角度的多个问题和通道嵌入层进行编码来扩展和改进 PhaseCond 的点积关注函数，结果
PDF7 years ago
EMNLP基于文本的神经问答生成：初步研究
本研究提出了一种基于神经编码器 - 解码器模型的自动问题生成方法，可以根据给定的段落生成多样化、有意义的问题并利用 SQuAD 数据集进行了初步实验研究，实验结果显示该方法可以产生流畅且多样化的问题。
PDF7 years ago
机器阅读理解的多角度上下文匹配
在 SQuAD 数据集上，我们提出了一种多角度上下文匹配模型，它是一种端到端系统，可以直接预测文本段落中答案的起点和终点。我们的模型通过使用双向 LSTM 来编码问题和加权段落，利用多个角度将文本上下文与编码问题进行匹配，并生成一个匹配向量
PDF8 years ago
学习循环跨度表示与摘要式问答
本文针对 SQuAD 数据集所提出的答案抽取任务，通过循环网络有效地构建了证据文档中所有跨度的固定长度表示，证明对显式跨度表示进行评分显著优于其他方法，并在 Wang＆Jiang（2016）的最佳已发布结果上提高了 5％，并且将 Rajpu
PDF8 years ago
AAAI阅读理解中端对端答案块提取和排序
本文提出了一种名为 DCR（dynamic chunk reader）的神经网络阅读理解模型，能够从给定文档中提取和排名一组答案候选项来回答问题，相较于之前的神经网络 RC 模型，DCR 更加注重预测变长的答案，实验结果表明，DCR 在 S
PDF8 years ago