主页期刊介绍编委会编辑部服务介绍道德声明在线审稿编委办公编辑办公English
2020-2021年专刊出版计划 微信服务介绍 最新一期:2020年第5期
     
在线出版
各期目录
纸质出版
分辑系列
论文检索
论文排行
综述文章
专刊文章
美文分享
各期封面
E-mail Alerts
RSS
旧版入口
中国科学院软件研究所
  
投稿指南 问题解答 下载区 收费标准 在线投稿
顾迎捷,桂小林,李德福,沈毅,廖东.基于神经网络的机器阅读理解综述.软件学报,2020,31(7):0
基于神经网络的机器阅读理解综述
Survey of Machine Reading Comprehension Based on Neural Network
投稿时间:2019-04-26  修订日期:2019-06-29
DOI:10.13328/j.cnki.jos.006048
中文关键词:  机器阅读理解  自然语言处理  注意力机制  神经阅读理解模型
英文关键词:machine reading comprehension  natural language processing  attention mechanism  neural reading comprehension model
基金项目:国家重点研发计划课题(2018YFB1800304);陕西省重点研发项目(2019GY-005,2017ZDXM-GY-011,2020GY-033)
作者单位E-mail
顾迎捷 西安交通大学 电子与信息工程学部, 陕西 西安 710049
陕西省计算机网络重点实验室(西安交通大学), 陕西 西安 710049 
 
桂小林 西安交通大学 电子与信息工程学部, 陕西 西安 710049
陕西省计算机网络重点实验室(西安交通大学), 陕西 西安 710049 
xlgui@mail.xjtu.edu.cn 
李德福 西安交通大学 电子与信息工程学部, 陕西 西安 710049
陕西省计算机网络重点实验室(西安交通大学), 陕西 西安 710049 
 
沈毅 西安交通大学 电子与信息工程学部, 陕西 西安 710049
陕西省计算机网络重点实验室(西安交通大学), 陕西 西安 710049 
 
廖东 西安交通大学 电子与信息工程学部, 陕西 西安 710049
陕西省计算机网络重点实验室(西安交通大学), 陕西 西安 710049 
 
摘要点击次数: 594
全文下载次数: 6722
中文摘要:
      机器阅读理解的目标是使机器理解自然语言文本并能够正确回答与文本相关的问题,由于数据集规模的制约,早期的机器阅读理解方法大多基于人工特征以及传统机器学习方法进行建模.近年来,随着知识库、众包群智的发展,研究者们陆续提出了高质量的大规模数据集,为神经网络模型以及机器阅读理解的发展带来了新的契机.本文对基于神经网络的机器阅读理解相关的最新研究成果进行了详尽的归纳.首先,概述了机器阅读理解的发展历程、问题描述以及评价指标;然后,针对当前最流行的神经阅读理解模型架构,包括嵌入层、编码层、交互层和输出层中所使用的相关技术进行了全面的综述,同时阐述了最新的BERT预训练模型及其优势;之后,本文归纳了近年来机器阅读理解数据集和神经阅读理解模型的研究进展,同时详细比较分析了最具有代表性的数据集以及神经网络模型;最后,本文展望了机器阅读理解研究的挑战和未来的研究方向.
英文摘要:
      The task of Machine Reading Comprehension is to make the machine understand natural language text and correctly answer text-related questions. Due to the limitation of the dataset scale, most of the early machine reading comprehension methods were modeled based on manual features and traditional machine learning methods. In recent years, with the development of knowledge bases and crowdsourcing, high quality large-scale datasets have been proposed by researchers, which has brought a new opportunity for the advance of neural network models and machine reading comprehension. In this survey, an exhaustive review on the state-of-the-art research efforts on machine reading comprehension based on neural network is made. First, an overview of machine reading comprehension, including development process, problem formulation and evaluation metric, is given. Then we make a comprehensive review of related technologies in the most fashionable neural reading comprehension framework including the embedding layer, encoder layer, interaction layer, and output layer as well as discuss the latest BERT pre-training model and its advantages. After that, this paper concludes the recent research progress of machine reading comprehension datasets and neural reading comprehension model, and gives a comparison and analysis of the most representative datasets and neural network models in detail. Finally, the research challenges and future direction of machine reading comprehension are presented.
HTML  下载PDF全文  查看/发表评论  下载PDF阅读器
 

京公网安备 11040202500064号

主办单位:中国科学院软件研究所 中国计算机学会 京ICP备05046678号-4
编辑部电话:+86-10-62562563 E-mail: jos@iscas.ac.cn
Copyright 中国科学院软件研究所《软件学报》版权所有 All Rights Reserved
本刊全文数据库版权所有,未经许可,不得转载,本刊保留追究法律责任的权利