發(fā)布時間：2021-12-25 01:40

　　隨著深度學習的復興,再一次掀起了人工智能的研究高潮,而對自然語言處理來說,自然語言一直以來被譽為是人工智能領域的皇冠。其中,推理能力是實現(xiàn)真正人工智能的一個關鍵因素,為了讓機器獲得更強的推理能力,有學者提出利用機器閱讀理解任務來讓機器獲得深度推理能力,并且隨著閱讀理解相關的各類型數(shù)據(jù)集發(fā)布和模型快速發(fā)展,促使機器閱讀理解迅速成為nlp領域最熱門的研究方向之一。百度于2018年提出DuReader2.0數(shù)據(jù)集,相較于其他閱讀理解任務數(shù)據(jù)集,DuReader2.0有著很大的不同,它的數(shù)據(jù)來源豐富,問題類型復雜,文本數(shù)據(jù)很長,并且每個問題對應多個文章和多個人工答案。針對DuReader2.0這種多文檔多答案的機器閱讀理解任務,本文主要從三個方面來進行研究,考察長文本的有效信息提取,研究文章與問題信息的有效融合,并研究如何獲取更豐富的文本信息。本文的主要工作內(nèi)容和成果如下:（1）研究并復現(xiàn)了在單文檔問題跨度抽取任務上具有較好性能的BiDAF模型（百度官方給出的基準模型）,并以BiDAF的成績作為本文任務的基準成績,以BiDAF模型作為我們工作改進的基準模型。（2）針對DuReader2.0這類... 

【文章來源】：廣東工業(yè)大學廣東省

【文章頁數(shù)】：61 頁

【學位級別】：碩士

【部分圖文】：

前饋神經(jīng)網(wǎng)絡結(jié)構(gòu)圖

神經(jīng)網(wǎng)絡擬合非線性可分數(shù)據(jù)圖示

卷積計算實例Fig.2-3Convolutioncalculationexample


本文編號：3551563