阅读+验证：面向无答案问题的机器阅读理解【附PPT与视频资料】
关注文章公众号
回复"机器阅读"获取PPT资料
视频资料可点击下方阅读原文在线观看
摘要
理解自然语言文本并回答相关问题是自然语言处理的核心任务之一。然而，当所提问题在当前给定文本下无法被回答时，我们要求系统能够拒绝给出答案。为了解决这一问题，当前工作通常会预测额外的“无答案”概率来检测问题是否可回答。然而，这些方法未能通过进一步验证预测答案的合法性来检测问题的可回答性。在SFFAI&微软的活动中，国防科技大学计算机学院的在读博士生胡明昊介绍了其在AAAI-19上的最新工作。在该工作中，胡明昊等人提出一种新颖的阅读+验证系统，该系统不仅利用一个神经网络阅读器来提取候选答案，还使用了一个答案验证器来判断预测答案是否被输入文本所蕴含。此外，胡明昊等人引入了两个辅助损失来帮助阅读器更好地处理答案提取以及无回答检测这两个任务，并且探索了针对答案验证器的三种不同架构。在SQuAD 2.0数据集上的实验显示，胡明昊等人的系统在测试集上获得了74.2 F1 ，在提交时取得了顶尖的性能（2018年8月28日）。
作者简介
胡明昊，胡明昊是国防科技大学计算机学院的在读博士生，导师为彭宇行教授。胡博士分别于2013年和2015年获得国防科技大学学士学位和硕士学位。目前，他是微软亚洲研究院自然语言计算组的一名实习生，导师是韦福如研究员。他的研究领域为问答系统和机器阅读理解。至今，他在IJCAI、AAAI和EMNLP等国际顶级会议上发表过论文。
精彩瞬间
SFFAI讲者招募
为了满足人工智能不同领域研究者相互交流、彼此启发的需求，我们发起了SFFAI这个公益活动。SFFAI每周举行一期线下活动，邀请一线科研人员分享、讨论人工智能各个领域的前沿思想和最新成果，使专注于各个细分领域的研究者开拓视野、触类旁通。
SFFAI目前主要关注机器学习、计算机视觉、自然语言处理等各个人工智能垂直领域及交叉领域的前沿进展，将对线下讨论的内容进行线上传播，使后来者少踩坑，也为讲者塑造个人影响力。
SFFAI还将构建人工智能领域的知识树（AI Knowledge Tree），通过汇总各位参与者贡献的领域知识，沉淀线下分享的前沿精华，使AI Knowledge Tree枝繁叶茂，为人工智能社区做出贡献。
这项意义非凡的社区工作正在稳步向前，衷心期待和感谢您的支持与奉献！
有意加入者请与我们联系：wangxl@mustedu.cn
2018最受欢迎的学术公众号投票已启动，请老铁们点击→我要投票，投人工智能前沿讲习班一票。
若您觉得此篇推文不错，麻烦点点好看↓↓