机器阅读理解的任务与模式研究，61页pdf，多伦多约克大学

简介：

为了提供对机器阅读理解（MRC）中现有任务和模型的调查，本报告回顾：1）一些具有代表性的简单推理和复杂推理MRC任务的数据集收集和性能评估； 2）用于开发基于神经网络的MRC模型的体系结构设计，注意机制和提高性能的方法； 3）最近提出了一些转移学习方法，以将外部语料库中包含的文本样式知识合并到MRC模型的神经网络中； 4）最近提出的一些知识库编码方法，用于将外部知识库中包含的图形样式知识合并到MRC模型的神经网络中。 此外，根据已经取得的成就和仍然存在的不足，本报告还提出了一些尚待进一步研究的问题。

目录：

机器阅读理解（MRC）要求机器阅读上下文并根据其对上下文的理解回答一组相关问题。作为自然语言处理（NLP）中具有挑战性的领域，MRC吸引了人工智能界的关注。近年来，许多MRC任务已经建立，以促进该领域的探索和创新。这些任务在数据集收集和性能评估方面差异很大，但是在此报告中，根据所需推理过程的复杂性，它们大致分为两类：

• 简单的MRC任务，其中每个上下文都是单个段落，例如单个虚构故事或报纸文章，因此所需的推理过程相对简单。
• 复杂原因的MRC任务，其中每个上下文由多个步骤组成，例如多个书中的章节或网络文档，因此所需的推理过程相对复杂。