点击上方“专知”关注获取专业AI知识!
【导读】主题荟萃知识是专知的核心功能之一,为用户提供AI领域系统性的知识学习服务。主题荟萃为用户提供全网关于该主题的精华(Awesome)知识资料收录整理,使得AI从业者便捷学习和解决工作问题!在专知人工智能主题知识树基础上,主题荟萃由专业人工编辑和算法工具辅助协作完成,并保持动态更新!另外欢迎对此创作主题荟萃感兴趣的同学,请加入我们专知AI创作者计划,共创共赢! 今天专知为大家呈送第二十二篇专知主题荟萃-机器阅读理解(Reading Comprehension)知识资料大全集荟萃 (入门/进阶/综述/视频/代码/专家等),请大家查看!专知访问www.zhuanzhi.ai, 或关注微信公众号后台回复" 专知"进入专知,搜索主题“机器阅读理解”查看。此外,我们也提供该文网页桌面手机端(www.zhuanzhi.ai)完整访问,可直接点击访问收录链接地址,以及pdf版下载链接,请文章末尾查看!此为初始版本,请大家指正补充,欢迎在后台留言!欢迎大家分享转发~
机器阅读理解(Reading Comprehension)专知荟萃
入门学习
进阶论文
综述
Datasets
Code
领域专家
深度学习解决机器阅读理解任务的研究进展 张俊林
[https://zhuanlan.zhihu.com/p/22671467]
从短句到长文,计算机如何学习阅读理解 微软亚洲研究院
[http://www.msra.cn/zh-cn/news/features/machine-text-comprehension-20170508]
基于深度学习的阅读理解 冯岩松
[http://cips-upload.bj.bcebos.com/2017/ssatt2017/QA_2017_QAII.pdf\]
SQuAD综述
[https://www.jiqizhixin.com/articles/2017-05-21]
教机器学习阅读 张俊
[https://baijia.baidu.com/s?old_id=507397\]
解读DeepMind的论文“教会机器阅读和理解”
[http://www.jianshu.com/p/4da1dea4f541]
机器阅读理解中文章和问题的深度学习表示方法
[http://blog.csdn.net/malefactor/article/details/52599733]
Teaching Machines to Read and Comprehend
[https://arxiv.org/abs/1506.03340]
Learning to Ask: Neural Question Generation for Reading Comprehension
https://arxiv.org/pdf/1705.00106.pdf
Attention-over-Attention Neural Networks for Reading Comprehension
https://arxiv.org/pdf/1607.04423.pdf
R-NET: MACHINE READING COMPREHENSION WITH SELF-MATCHING NETWORKS
https://www.microsoft.com/en-us/research/wp-content/uploads/2017/05/r-net.pdf
Mnemonic Reader for Machine Comprehension
https://arxiv.org/pdf/1705.02798.pdf
TriviaQA: A Large Scale Distantly Supervised Challenge Dataset for Reading Comprehension
https://arxiv.org/pdf/1705.03551.pdf
S-Net: From Answer Extraction to Answer Generation for Machine Reading Comprehension
https://arxiv.org/pdf/1706.04815.pdf
RACE: Large-scale ReAding Comprehension Dataset From Examinations
https://arxiv.org/pdf/1704.04683.pdf
Adversarial Examples for Evaluating Reading Comprehension Systems
https://arxiv.org/pdf/1707.07328.pdf
Machine comprehension using match-lstm and answer pointer
[https://arxiv.org/pdf/1608.07905]
Multi-perspective context matching for machine comprehension
[https://arxiv.org/abs/1612.04211]
Reasonet: Learning to stop reading in machine comprehension
[http://dl.acm.org/citation.cfm?id=3098177]
Learning recurrent span representations for extractive question answering
[https://arxiv.org/abs/1611.01436]
End-to-end answer chunk extraction and ranking for reading comprehension
[https://arxiv.org/abs/1610.09996]
Words or characters? fine-grained gating for reading comprehension
[https://arxiv.org/abs/1611.01724]
Reading Wikipedia to Answer Open-Domain Questions
[https://arxiv.org/abs/1704.00051]
An analysis of prerequisite skills for reading comprehension
[http://www.aclweb.org/anthology/W/W16/W16-60.pdf#page=13]
A Comparative Study of Word Embeddings for Reading Comprehension
https://arxiv.org/pdf/1703.00993.pdf
Emergent Logical Structure in Vector Representations of Neural Readers
[https://arxiv.org/pdf/1611.07954v1.pdf]
机器阅读理解任务综述 林鸿宇 韩先培
MCTest
http://research.microsoft.com/en-us/um/redmond/projects/mctest/data.html
bAbI
https://research.fb.com/projects/babi/
WikiQA
https://www.microsoft.com/en-us/download/details.aspx?id=52419
SNLI
http://nlp.stanford.edu/projects/snli/
Children's Book Test
https://research.fb.com/projects/babi/
BookTest
https://ibm.ent.box.com/v/booktest-v1
CNN / Daily Mail
http://cs.nyu.edu/~kcho/DMQA/
Who Did What
https://tticnlp.github.io/who_did_what/download.html
NewsQA
http://datasets.maluuba.com/NewsQA
SQuAD
https://rajpurkar.github.io/SQuAD-explorer/
LAMBADA
http://clic.cimec.unitn.it/lambada/
MS MARCO
http://www.msmarco.org/dataset.aspx
WikiMovies
https://research.fb.com/projects/babi/
WikiReading
https://github.com/dmorr-google/wiki-reading
CNN/Daily Mail Reading Comprehension Task
[https://github.com/danqi/rc-cnn-dailymail]
TriviaQA
[https://github.com/mandarjoshi90/triviaqa]
Attentive Reader
[https://github.com/lhoang29/attentive-reader]
DrQA
[https://github.com/hitvoice/DrQA]
Percy Liang
[https://cs.stanford.edu/~pliang/\]
刘挺
[http://homepage.hit.edu.cn/liuting]
Jason Weston
[https://research.fb.com/people/weston-jason/]
特别提示-专知机器阅读理解主题:
请PC登录www.zhuanzhi.ai或者点击阅读原文,注册登录,顶端搜索“机器阅读理解” 主题,查看评论获得专知荟萃全集知识等资料,直接PC端访问体验更佳!如下图所示~
此外,请关注专知公众号(扫一扫最下面专知二维码,或者点击上方蓝色专知),
后台回复“机器阅读理解”或者“RC” 就可以在手机端获取专知机器阅读理解资料查看链接地址,直接打开荟萃资料的链接地址~~
请扫描专知小助手,加入专知人工智能群交流~
专知荟萃知识资料全集获取(关注本公众号-专知,获取下载链接),请查看:
【专知荟萃01】深度学习知识资料大全集(入门/进阶/论文/代码/数据/综述/领域专家等)(附pdf下载)
【专知荟萃02】自然语言处理NLP知识资料大全集(入门/进阶/论文/Toolkit/数据/综述/专家等)(附pdf下载)
【专知荟萃03】知识图谱KG知识资料全集(入门/进阶/论文/代码/数据/综述/专家等)(附pdf下载)
【专知荟萃04】自动问答QA知识资料全集(入门/进阶/论文/代码/数据/综述/专家等)(附pdf下载)
【专知荟萃05】聊天机器人Chatbot知识资料全集(入门/进阶/论文/软件/数据/专家等)(附pdf下载)
【专知荟萃06】计算机视觉CV知识资料大全集(入门/进阶/论文/课程/会议/专家等)(附pdf下载)
【专知荟萃07】自动文摘AS知识资料全集(入门/进阶/代码/数据/专家等)(附pdf下载)
【专知荟萃08】图像描述生成Image Caption知识资料全集(入门/进阶/论文/综述/视频/专家等)
【专知荟萃09】目标检测知识资料全集(入门/进阶/论文/综述/视频/代码等)
【专知荟萃10】推荐系统RS知识资料全集(入门/进阶/论文/综述/视频/代码等)
【专知荟萃11】GAN生成式对抗网络知识资料全集(理论/报告/教程/综述/代码等)
【专知荟萃12】信息检索 Information Retrieval 知识资料全集(入门/进阶/综述/代码/专家,附PDF下载)
【专知荟萃13】工业学术界用户画像 User Profile 实用知识资料全集(入门/进阶/竞赛/论文/PPT,附PDF下载)
【专知荟萃14】机器翻译 Machine Translation知识资料全集(入门/进阶/综述/视频/代码/专家,附PDF下载)
【专知荟萃15】图像检索Image Retrieval知识资料全集(入门/进阶/综述/视频/代码/专家,附PDF下载)
【专知荟萃16】主题模型Topic Model知识资料全集(基础/进阶/论文/综述/代码/专家,附PDF下载)
【专知荟萃17】情感分析Sentiment Analysis 知识资料全集(入门/进阶/论文/综述/视频/专家,附查看)
【专知荟萃18】目标跟踪Object Tracking知识资料全集(入门/进阶/论文/综述/视频/专家,附查看)
【专知荟萃19】图像识别Image Recognition知识资料全集(入门/进阶/论文/综述/视频/专家,附查看)
【专知荟萃20】图像分割Image Segmentation知识资料全集(入门/进阶/论文/综述/视频/专家,附查看)
【专知荟萃21】视觉问答VQA知识资料全集(入门/进阶/论文/综述/视频/专家,附查看)
-END-
欢迎使用专知
专知,一个新的认知方式! 专注在人工智能领域为AI从业者提供专业可信的知识分发服务, 包括主题定制、主题链路、搜索发现等服务,帮你又好又快找到所需知识。
使用方法>>访问www.zhuanzhi.ai, 或点击文章下方“阅读原文”即可访问专知
中国科学院自动化研究所专知团队
@2017 专知
专 · 知
关注我们的公众号,获取最新关于专知以及人工智能的资讯、技术、算法、深度干货等内容。扫一扫下方关注我们的微信公众号。
点击“阅读原文”,使用专知!