[1]邵霭,许彩娥,万健,等.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,(05):419-425.
　SHAO Ai,XU Caie,WAN Jian,et al.Deep learning network model for multihop problemsin machine question answering[J].,2022,(05):419-425.
点击复制

针对机器问答中多跳问题的深度学习网络模型(/HTML)
分享到：

《浙江科技学院学报》[ISSN:2097-5236/CN:33-1431/Z]

卷:
期数:
2022年05期
页码:
419-425
栏目:
出版日期:
2022-10-31

文章信息/Info

Title:
Deep learning network model for multihop problemsin machine question answering
文章编号:
1671-8798(2022)05-0419-07
作者:
邵霭; 许彩娥; 万健; 张蕾; 郑慧琳
浙江科技学院 信息与电子工程学院;生物与化学工程学院,杭州 310023
Author(s):
SHAO Ai;  XU Caie;  WAN Jian;  ZHANG Lei;  ZHENG Huilin
School of Information and Electronic Engineering; School of Biological and Chemical Engineering,Zhejiang University of Science and Technology, Hangzhou 310023, Zhejiang, China
关键词:
多跳问答; 深度学习; 表征提取; 问答推理
分类号:
TP183
文献标志码:
A
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。

相似文献/References:

[1]沈梦婷,岑岗,周闻,等.基于CNN智能AI助手的早期教育系统设计[J].浙江科技学院学报,2020,(06):590.
　Design of early education system based on CNN intelligent AI assistant[J].,2020,(05):590.
[2]陈力,王海江,吴凯.基于卷积神经网络的车载网络入侵检测方法[J].浙江科技学院学报,2021,(01):59.
[3]毕云杉,钱亚冠,张超华,等.基于ERNIE模型的中文文本分类研究[J].浙江科技学院学报,2021,(06):461.
　BI Yunshan,QIAN Yaguan,ZHANG Chaohua,et al.Research on Chinese text classification based on ERNIE model[J].,2021,(05):461.
[4]肖杨,冯军,钱亚冠,等.融合GRU和注意力机制的知识追踪优化模型研究[J].浙江科技学院学报,2023,(05):395.[doi:10.3969/j.issn.1671-8798.2023.05.005]
　XIAO Yang,FENG Jun,QIAN Yaguan,et al.Study on knowledge tracking optimization model incorporating GRU and attention mechanism[J].,2023,(05):395.[doi:10.3969/j.issn.1671-8798.2023.05.005]

备注/Memo

备注/Memo:
国家自然科学基金项目(61972358)
更新日期/Last Update: