匹配LSTM
在这里我们在SQuAD上实现MatchLSTM（Wang and Jiang 2016）模型，R-Net（Wang et al.2017）模型和M-Reader（Hu et al.2017）（Rajpurkar et al.2016）。
也许有些细节与最初的论文有所不同。
要求
python3
水蟒
hdf5
实验
Match-LSTM +模型与Match-LSTM略有不同。
用GRU代替LSTM
添加类似r-net的门控注意匹配
添加单独的字符级编码
添加其他功能，例如M-Reader
在一个GRU层上添加聚合层
指针网中的初始GRU第一状态在匹配层之后添加全连接层
评估SQuAD开发人员集的结果：
模型
EM
11
Match-LSTM +（我们的版本）
70.2
79.2
Match-LSTM（纸）
64.1
73.9
R-NET-45（我
2021-10-26 18:03:51
56KB
1
基于BERT的中文阅读理解多步注意力网络，周志善，闫丹凤，阅读理解是当前自然语言理解中一个重要的任务,它可以很好的衡量一个自然语言处理模型的能力。为了促进阅读理解任务的发展,有很多�
2021-10-22 10:52:21
1.09MB
1
MSMARCO 是机器阅读理解数据集，其包含的 1,010,916 个匿名问题均来自 Bing 的搜索查询日志，日志中均包含 AI 生成的答案和 182,669 条人为重写的答案，该数据集还包含从 3,563,535 个文档中提取的 8,841,823 个段落。
eval_v2.1_public.json
dev_v2.1.json
2021-10-12 21:52:34
259.81MB
1