标题:ニューラルマシン読解:メソッドと動向
-
著者:シャンシャン劉、新張、盛張、ホイ王、張Weiming
-
リンクします。https://arxiv.org/pdf/1907.01118.pdf
要約:過去数年間、深い学習の出現により、機械の読解力(質問に答えるために、指定されたコンテキストに基づいて機械が必要)、より多くの注目を獲得しています。急成長を遂げている研究の深さを理解するために機械学習に基づいて読んでますが、一方でこの分野と最近の傾向で提案されてきた方法を要約する包括的な研究論文はありません。だから、包括的な概観でのポテンシャルの完全な、この分野では、この最近の研究作業。
具体的には、研究者は、最初の異なる次元でのマシンの読解タスクを比較し、全体的なアーキテクチャについて説明します。その後、彼らはさらに分野で使用されるSOTA方法一般的に使用されるモデルを分類します。最後に、研究者がフィールドに新しいトレンドを議論し、記事の最後にある未解決の問題の数を作りました。
推奨事項:機械読解の研究、開発、新しいトレンドの状態に防衛技術の包括的な導入のこの記事国立大学では、フィールドのレビュー記事では稀です。理解マシンを読むことなど機械Q&A、情報検索、という点で大きな意義を持って、この記事を読むために関心のある読者をお勧めします。
記事の構造:
1.はじめにMRC
2.タスクと評価マトリックス
MRCは、4つのタスクに分けられます。 |
データセットに対応 |
ロゼテスト、穴埋め |
CNN&デイリーメール、CBT(児童図書テスト)、LAM- BADAデータセット(言語モデルBoardenedが談話的側面を考慮して)、布、CliCR-何やりました |
多肢選択、ラジオ |
MCTest、RACE |
スパン抽出、抽出スパン |
SQUAD、NewsQA、TriviaQA、DuoRC |
無料答える無料の答え |
バビ、MS MARCO、SearchQA、NarrativeQA、DuReader |
评价维度:建設、理解、柔軟性、評価と応用
评价标准:ACC、F1、ROUGE-L、ルージュ(Gisting評価のためのリコール指向代役)、BLEU(バイリンガル評価代役)
3.MRCシステムの一般構造:
ステップ |
例えば |
埋め込み |
Word2vec |
特徴抽出 |
RNN、CNN |
コンテキスト・質問の相互作用(テキスト内の問題に最も関連のいくつかを見つけます。) |
注意メカニズム(注意メカニズム)、単方向または双方向 |
回答予測 |
|
MRCの深い学習システムの4.アプリケーション
最新の展開
読解知識ベースのマシン
質問に答えることはできません
多段機械読解
Q&Aセッション
6.未解決の問題
外部知識の統合
MRCシステムの堅牢性
指定されたコンテキストの制限
推論のスキル不足
7、結論