针对机器问答中多跳问题的深度学习网络模型 |
| |
引用本文: | 邵霭,许彩娥,万健,张蕾,郑慧琳.针对机器问答中多跳问题的深度学习网络模型[J].浙江科技学院学报,2022(5):419-425. |
| |
作者姓名: | 邵霭 许彩娥 万健 张蕾 郑慧琳 |
| |
作者单位: | 1. 浙江科技学院信息与电子工程学院;2. 浙江科技学院生物与化学工程学院 |
| |
基金项目: | 国家自然科学基金项目(61972358); |
| |
摘 要: | 多跳问答(multi-hop question answering, multi-hop QA)是文本问答的一项重要且具有挑战性的任务。针对现有方法在解决多跳问题时答案推理能力弱、答案寻找的准确率低等问题提出一种多跳问题的深度学习网络模型AGTNet(albert graph attention network,轻量双向编码图注意力网络)。首先在神经网络隐藏层使用参数共享和矩阵分解技术,然后使用点积计算方式进行答案预测,最后使用已标注的数据集对AGTNet模型进行训练验证。试验结果表明,本模型经过训练后在测试集上的F1值达到70.4;与现有的多跳问答推理模型相比,本模型拥有较优的实体级推理能力,能够有效提高多跳问答推理能力,从而提升了问答系统的响应速度和准确率。本研究结果为问答系统和多轮对话机器人的研发提供了理论依据。
|
关 键 词: | 多跳问答 深度学习 表征提取 问答推理 |
|
|