基于深度学习的问题回答技术研究

详细信息    查看全文 | 推荐本文 |

英文篇名：Question Answering Technology Research Based on Deep Learning 作者：李家乐 ; 吴明礼 英文作者：LI Jia-le;WU Ming-li;School of Information Science and Technology,North China University of Technology; 关键词：问题回答 ; 深度学习 ; 注意力机制 ; 双向长短时记忆网络 英文关键词：question answering;;deep learning;;attention;;BiLSTM 中文刊名：SZJT 英文刊名：Digital Technology & Application 机构：北方工业大学信息学院; 出版日期：2019-02-25 出版单位：数字技术与应用 年：2019 期：v.37;No.344 语种：中文; 页：SZJT201902066 页数：2 CN：02 ISSN：12-1369/TN 分类号：126-127

摘要

针对非事实类问答任务,本文搭建了带有注意力机制的双向长短时记忆(BiLSTM)网络模型。实验表明,在2016 NLPCC QA任务数据集上,该模型MRR可达到75.12%,优于传统的机器学习方法。
        For non-factoid QA tasks, in this paper,we build a BiLSTM model with Attention mechanism.Experiments show that in 2016 NLPCC QA dataset, this model can reach 75.12% on MRR, which is better than the traditional machine learning method.

引文

[1]Wang B,Liu K,Zhao J.Inner Attention based Recurrent Neural Networks for Answer Selection[C]//ACL(1).2016:1288-1297.
    [2]Wu F,Yang M,Zhao T,et al.A Hybrid Approach to DBQA[C]//International Conference on Computer Processing of Oriental Languages.Springer International Publishing,2016.