您当前所在位置: 首页 > 首发论文
动态公开评议须知

1. 评议人本着自愿的原则,秉持科学严谨的态度,从论文的科学性、创新性、表述性等方面给予客观公正的学术评价,亦可对研究提出改进方案或下一步发展的建议。

2. 论文若有勘误表、修改稿等更新的版本,建议评议人针对最新版本的论文进行同行评议。

3. 每位评议人对每篇论文有且仅有一次评议机会,评议结果将完全公示于网站上,一旦发布,不可更改、不可撤回,因此,在给予评议时请慎重考虑,认真对待,准确表述。

4. 同行评议仅限于学术范围内的合理讨论,评议人需承诺此次评议不存在利益往来、同行竞争、学术偏见等行为,不可进行任何人身攻击或恶意评价,一旦发现有不当评议的行为,评议结果将被撤销,并收回评审人的权限,此外,本站将保留追究责任的权利。

5. 论文所展示的星级为综合评定结果,是根据多位评议人的同行评议结果进行综合计算而得出的。

勘误表

上传勘误表说明

  • 1. 请按本站示例的“勘误表格式”要求,在文本框中编写勘误表;
  • 2. 本站只保留一版勘误表,每重新上传一次,即会覆盖之前的版本;
  • 3. 本站只针对原稿进行勘误,修改稿发布后,不可对原稿及修改稿再作勘误。

示例:

勘误表

上传勘误表说明

  • 1. 请按本站示例的“勘误表格式”要求,在文本框中编写勘误表;
  • 2. 本站只保留一版勘误表,每重新上传一次,即会覆盖之前的版本;
  • 3. 本站只针对原稿进行勘误,修改稿发布后,不可对原稿及修改稿再作勘误。

示例:

上传后印本

( 请提交PDF文档 )

* 后印本是指作者提交给期刊的预印本,经过同行评议和期刊的编辑后发表在正式期刊上的论文版本。作者自愿上传,上传前请查询出版商所允许的延缓公示的政策,若因此产生纠纷,本站概不负责。

发邮件给 王小芳 *

收件人:

收件人邮箱:

发件人邮箱:

发送内容:

0/300

论文收录信息

论文编号 202003-208
论文题目 基于多视角注意力的答案选择算法研究
文献类型
收录
期刊

上传封面

期刊名称(中文)

期刊名称(英文)

年, 卷(

上传封面

书名(中文)

书名(英文)

出版地

出版社

出版年

上传封面

书名(中文)

书名(英文)

出版地

出版社

出版年

上传封面

编者.论文集名称(中文) [c].

出版地 出版社 出版年-

编者.论文集名称(英文) [c].

出版地出版社 出版年-

上传封面

期刊名称(中文)

期刊名称(英文)

日期--

在线地址http://

上传封面

文题(中文)

文题(英文)

出版地

出版社,出版日期--

上传封面

文题(中文)

文题(英文)

出版地

出版社,出版日期--

英文作者写法:

中外文作者均姓前名后,姓大写,名的第一个字母大写,姓全称写出,名可只写第一个字母,其后不加实心圆点“.”,

作者之间用逗号“,”分隔,最后为实心圆点“.”,

示例1:原姓名写法:Albert Einstein,编入参考文献时写法:Einstein A.

示例2:原姓名写法:李时珍;编入参考文献时写法:LI S Z.

示例3:YELLAND R L,JONES S C,EASTON K S,et al.

上传修改稿说明:

1.修改稿的作者顺序及单位须与原文一致;

2.修改稿上传成功后,请勿上传相同内容的论文;

3.修改稿中必须要有相应的修改标记,如高亮修改内容,添加文字说明等,否则将作退稿处理。

4.请选择DOC或Latex中的一种文件格式上传。

上传doc论文   请上传模板编辑的DOC文件

上传latex论文

* 上传模板导出的pdf论文文件(须含页眉)

* 上传模板编辑的tex文件

回复成功!


  • 0

基于多视角注意力的答案选择算法研究

首发时间:2020-03-18

江宇鸥 1   

江宇鸥(1996-),女,主要研究方向:自然语言处理

徐蔚然 1   

徐蔚然(1975-),男,副教授、硕导,主要研究方向:自然语言处理

  • 1、北京邮电大学信息与通信工程学院,北京市 100876

摘要:答案选择是自然语言处理领域中的一个重要子任务,同时也是自动问答系统的一个极其重要的支撑技术。由于答案选择任务主要解决问题和答案之间的相关性匹配,而注意力机制可以提供灵活并有效的信息交互与利用的方式,继而成为问答系统中不可或缺的一个关键技术模块。本文提出一种基于多视角注意力机制的答案选择算法,通过多种注意力类型(协同注意力、自注意力)和多种注意力变体(最大池化、平均池化、软对齐)的调用来建模多角度的语义视图,从而提高语义编码的完整性和准确性。同时为了消除同时执行多种注意力机制所需架构工程的昂贵需求,提升算法的计算效率,本文提出将注意力作为一种特征增强方式使用,实现多种注意力机制的可扩展调用。通过压缩函数返回标量特征,并将特征重新附加到原始的单词表示上,为后续编码层提供包含句子内部的知识和句子之间的知识的特征,改进表示学习过程。模型在事实型问答数据集(TrecQA)、开放域数据集(WikiQA)和社区问答数据集(SemEval-2016 CQA和YahooCQA)上进行实验,均实现了目前最好的性能。通过消融研究,也证明了多视角注意力机制的有效性。

关键词: 人工智能 问答系统 答案选择 注意力机制

For information in English, please click here

A Multi-view Attention Network for Answer Selection Algorithm

JIANG Yuou 1   

江宇鸥(1996-),女,主要研究方向:自然语言处理

XU Weiran 1   

徐蔚然(1975-),男,副教授、硕导,主要研究方向:自然语言处理

  • 1、School of Information and Communication Engineering, Beijing University of Posts and Telecommunications, Beijing 100876

Abstract:Answer selection is an important sub-task in the field of natural language processing, and it is also an extremely important supporting technology for automatic question answering systems. Since answer selection task mainly solves the semantic matching between question and answer, the attention mechanism could provide an effective way of information interaction, thus becoming an indispensable key technical module in the question answering system. This paper proposes a multi-view attention network which uses multiple attention types(co-attention and self-attention) and multiple attention variants(max pooling, average pooling, soft alignment) to model multi-perspective semantic views, thus improving the completeness and accuracy of 40 semantic encoding. At the same time, in order to eliminate the expensive requirements of architectural engineering and improve the computational efficiency of the algorithm, this paper proposes to re-imagine attention as a form of feature argumentation method, achieving multiple attention casts. The model returns scalar feature using compressed function after soft attention operations, and re-attach it to the original word representation, providing hints with global knowledge and cross-sentence 45 knowledge for subsequent encoding layers, which could improve representation learning. Experiments on the factual based question answering dataset (TrecQA), open-domain dataset (WikiQA), and community question answering dataset (SemEval-2016 CQA and YahooCQA) outperform existing state-of-the-art models and ablation studies prove the effectiveness of the multi-view attention mechanism.

Keywords: artificial intelligence question answering system answer selection attention mechanism

Click to fold

点击收起

基金:

论文图表:

引用

导出参考文献

.txt .ris .doc
江宇鸥,徐蔚然. 基于多视角注意力的答案选择算法研究[EB/OL]. 北京:中国科技论文在线 [2020-03-18]. http://www.paper.edu.cn/releasepaper/content/202003-208.

No.****

同行评议

未申请同行评议

评论

全部评论

0/1000

勘误表

基于多视角注意力的答案选择算法研究