readingforthoroughcomprehension怎么读如何译？

来源：蜘蛛抓取(WebSpider) 时间：2018-09-10 14:41 标签： comprehension怎么读

版权声明：本文为博主原创文章，未经博主允许不得转载。 /u/article/details/

针对 CNN/Daily Mail 语料中不能使用外部知识，可能存在的指代消解错误等问题，探究一下几个问题：

  1. 语料中由于处理错误所产生的噪音有多少？
  2. 神经模型究竟学到了什么？相比于传统分类器，模型提高了哪些方面？

本文的神经网络基于 Attentive Reader，但是又有所改进，见下图。

  • 获得 context embedding 后，直接去做预测。而不是和 query 一起再做一次非线性变换。
  • 原始模型考虑文章中所有单词，现在只考虑实体。

以实体为中心的分类器 利用 LambdaMART 构建一个传统分类器，选取人工选定的八个特征，探究哪些特征更加有用。

  • MCTest 数据集是以带有选择题的短片科幻小说构成，难度为 7 岁儿童阅读理解水平。这一数据集要求强大的推理能力，而数据集比较小。
  • bAbI 数据集包含对 20 种不同的推理能力的考察，但是这个数据词汇量太小 (100-200 词)，语言变化小，和真实数据有差距。

经过试验，对于基于特征的分类器来说：n-gram 和实体出现频率这两个特征最重要。具体结果见下表

然后从 CNN 开发集中随机挑选 100 个样本，人工分析，结果如下

其中第 5、6 两种是不能够处理的类别，也就是噪声，可以看出在样本中只有 75% 可以处理。然后对每一类都做具体分析，结果如下

因此，神经网络相比于传统方法，在 paraphrase 和 partial clue 两类问题上有很好的提升。

我要回帖

更多关于 comprehension怎么读 的文章

 

随机推荐