基于时间卷积网络的多项选择机器阅读理解
来源：计算机工程杂志2020年第11期北京时间：
作者：杨姗姗, 姜丽芬, 孙华志, 马春梅
单位：天津师范大学 计算机与信息工程学院, 天津 300387
摘要：机器阅读理解是自然语言处理领域中一项具有挑战性的任务，其旨在回答与文章相关的问题，且需要复杂的语义推理。针对现有机器阅读理解方法提取特征时存在一定程度的信息丢失，且无法捕获全局的语义关系等问题，在时间卷积网络（TCN）的基础上，构建一种多项选择机器阅读理解M-TCN模型。采用注意力机制对文章、问题和候选答案进行匹配，并建立三者之间的内在联系。同时，为提取高层特征以减少信息丢失，利用TCN对匹配表示进行聚合。通过在公开阅读理解RCAE数据集上验证模型的性能，实验结果表明，与现有机器阅读理解模型ElimiNet、MRU、HCM等相比，该模型对正确答案的预测精度达到了52.5%，且综合性能更优。
关键词：机器阅读理解,多项选择,时间卷积网络,注意力机制,深度学习
基金资助：天津市自然科学基金（18JCQNJC70200，18JCYBJC85900）。
