典型文献
多模块联合的阅读理解候选句抽取
文献摘要：
机器阅读理解作为自然语言理解的关键任务,受到国内外学者广泛关注.针对多项选择型阅读理解中无线索标注且涉及多步推理致使候选句抽取困难的问题,该文提出一种基于多模块联合的候选句抽取模型.首先采用部分标注数据微调预训练模型;然后通过TF-IDF递归式抽取多跳推理问题中的候选句;最后结合无监督方式进一步筛选模型预测结果降低冗余性.该文在高考语文选择题及RACE数据集上进行验证,在候选句抽取中,该方法相比于最优基线模型F1值提升3.44％,在下游答题任务中采用候选句作为模型输入较全文输入时准确率分别提高3.68％和3.6％,上述结果证实该文所提方法的有效性.
文献关键词：
机器阅读理解;候选句抽取;递归抽取
中图分类号：
作者姓名：
吉宇;王笑月;李茹;郭少茹;关勇
作者机构：
山西大学 计算机与信息技术学院,山西 太原030006;山西大学 计算智能与中文信息处理教育部重点实验室,山西 太原030006
文献出处：
引用格式：
[1]吉宇;王笑月;李茹;郭少茹;关勇-.多模块联合的阅读理解候选句抽取)[J].中文信息学报,2022(06):109-116
A类：
候选句抽取,递归抽取
B类：
多模块,机器阅读理解,解作,自然语言理解,关键任务,多步,取模,微调,预训练模型,TF,IDF,多跳推理,无监督,监督方式,筛选模型,低冗余,冗余性,高考语文,选择题,RACE,基线模型,答题,模型输入
AB值：
0.303028
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
