《计算机工程与科学杂志》发表论文赏析

面向鲁棒性增强的多任务机器阅读理解

来源:计算机工程与科学杂志2023年第2期北京时间:

作者:谭红叶, 行覃杰

单位:山西大学计算机与信息技术学院,山西 太原 030006

摘要:目前抽取式机器阅读理解已经取得了很好的成果。然而,许多研究工作表明,机器阅读理解模型在过敏感性、过稳定性等方面的鲁棒性还有待提高。为了解决该问题,提出了一种面向鲁棒性增强的多任务抽取式阅读理解模型,加强模型在篇章和问题2方面的理解能力。通过多任务学习方式,将答案抽取作为主要任务,证据句判断和问题分类作为辅助任务,实现编码器之间的信息共享。在鲁棒性测试集上的实验结果表明,所提模型对比基线模型有明显的性能提升。

关键词:鲁棒,多任务学习,机器阅读理解,

基金资助:国家自然科学基金(62076155)

2023年2期其他文献查阅:

单次神经网络结构搜索研究综述

拟态防御体系OSPF协议研究及分析

专用数据处理器综述

56 Gbps高速信号传输系统仿真验证设计

Flink水位线动态调整策略

基于转录组学数据的抗真菌药物预测方法研究

基于共用密钥的高效多密钥同态加密方案研究

面向工控系统漏洞的多维属性评估

基于身份的可审计多重截取签名方案

SDN环境中基于Bi-LSTM的DDoS攻击检测方案

基于时间因子的可撤销可追踪属性基加密方案

基于人眼色彩差异化感知的图像质量评价研究

基于部分卷积和多尺度特征融合的人脸图像修复模型

基于多步长的多机器人分布式巡逻算法研究

采用离散烟花算法的移动群智感知异构任务分配

基于BA-RVM算法的发动机故障诊断技术研究

基于情感语义对抗的跨语言情感分类模型

改进麻雀搜索算法优化SVM的异常点检测

精英反向黄金正弦海洋捕食者算法

面向鲁棒性增强的多任务机器阅读理解

DCsR:一种面向中文文本的集成式纠错框架

填文献完整题目 获取完整文献

填写需求
联系方式
注:学术顾问会在1小时内联系您,请留意!