科研之友
微信
新浪微博
Facebook
分享链接
摘要
机器阅读理解是一项任务，用于测试机器回答给定文章问题的能力。它需要对段落和问题之间的交互进行建模。如何使得问答系统的回答更加智能是近几年研究的焦点。基于此，文章提出了一种基于BERT模型并赋予共同注意力机制和自我注意力机制的问答系统。在这项工作中，问题和文章都是用BERT语言进行编码，以便更好地捕获各自在语义层面的表示。然后，在问题和段落之间的不同粒度级别上，横向和纵向进行注意力和融合。并采用MRQA 2019共享任务中提供的数据集进行了实验。实验表明，该模型在所有数据集上的平均EM为41.45，平均F1为56.07。开发数据集的平均F1为50.45，测试数据集的平均F1为61.69。基于BERT模型的问答系统回答的内容基本合理，对问答系统的智能性进行了有效地提高。
- 单位
