基于多任务学习的生成式阅读理解.pdf

1、本文档共12页，可阅读全部内容。
2、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。

基基基于于于多多多任任任务务务学学学习习习的的的生生生成成成式式式阅阅阅读读读理理理解解解

钱钱钱锦锦锦，，，黄黄黄荣荣荣涛涛涛，，，邹邹邹博博博伟伟伟，，，洪洪洪宇宇宇

苏州大学计算机科学与技术学院，苏州

新加坡资讯通信研究院，新加坡

摘摘摘要要要

生成式阅读理解是机器阅读理解领域一项新颖且极具挑战性的研究。与主流的抽取式

阅读理解相比，生成式阅读理解模型不再局限于从段落中抽取答案，而是能结合问题

和段落生成自然和完整的表述作为答案。然而，现有的生成式阅读理解模型缺乏对答

案在段落中的边界信息以及对问题类型信息的理解。为解决上述问题，本文提出一种

基于多任务学习的生成式阅读理解模型。该模型在训练阶段将答案生成任务作为主任

务，答案抽取和问题分类任务作为辅助任务进行多任务学习，同时学习和优化模型编

码层参数；在测试阶段加载模型编码层进行解码生成答案。实验结果表明，答案抽取

模型和问题分类模型能够有效提升生成式阅读理解模型的性能。

关关关键键键词词词：：：多任务学习；生成式阅读理解0

数学毕业，从事大数据工作十几年，涉及二三十个行业

更多 >