检索结果-南通市图书馆

中文信息学报 2024年第5期 127-135页

作者：李伟黄贤英冯雅茹重庆理工大学计算机科学与工程学院

问题生成是无监督常识问答模型的一个核心子任务，目前的方法主要是根据给定知识生成问题和答案，并为每个问题随机生成多个干扰项，然而这些方法存在干扰项与问题相关性不强且随机性较大的问题。该文提出一种面向干扰项增强的无监督常... 详细信息

问题生成是无监督常识问答模型的一个核心子任务，目前的方法主要是根据给定知识生成问题和答案，并为每个问题随机生成多个干扰项，然而这些方法存在干扰项与问题相关性不强且随机性较大的问题。该文提出一种面向干扰项增强的无监督常识问答模型，首先根据知识三元组生成问题和正确答案，再为问题建立对应的问题子图，得到与问题相关的三元组集合，使用注意力机制增强特征并根据问题和正确答案确定干扰项，最后使用生成的数据对模型进行训练。该模型在四个不同类型的测试任务上的结果表明，该模型优于目前的最新方法，证明了该模型的有效性。

关键词：干扰项增强问题子图注意力机制

来源：

同方期刊数据库评论

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于数据增强的无监督常识问答模型研究

基于数据增强的无监督常识问答模型研究

引用

作者：李伟重庆理工大学

学位级别：硕士

无监督常识问答任务是利用知识库中的知识来自动生成问答数据再对模型进行训练的任务。机器自动生成问答数据不仅可以降低常识问答模型训练成本,还能避免模型过于关注人工标注数据中的标签偏见。因此,无监督常识问答任务研究具有重要的... 详细信息

无监督常识问答任务是利用知识库中的知识来自动生成问答数据再对模型进行训练的任务。机器自动生成问答数据不仅可以降低常识问答模型训练成本,还能避免模型过于关注人工标注数据中的标签偏见。因此,无监督常识问答任务研究具有重要的理论意义和应用价值。现有的研究主要关注如何引入更多的外部知识来生成的问答数据集,缺乏对提高问答数据集本身质量的深入研究。为了解决上述问题,增强问答数据集质量,本文提出了涵盖干扰项增强、数据过滤、课程学习策略等关键要素的无监督常识问答模型框架。本文主要创新点如下:1)提出了为每个问题构建问题子图,限定问题干扰项候选范围,增强干扰项与问题和正确答案之间的相关性,提高其干扰能力。问题子图以关键词为查询条件从知识库中检索出相关知识三元组作为生成干扰项的候选三元组,计算候选三元组与问题和正确答案之间的相关性,再将满足条件的候选三元组的尾部实体作为问题的干扰项。2)提出了结合数据的知识多样性评估结果和流畅度评估结果的数据过滤方法,去除问答数据集中的噪音数据,提高数据质量。与现有方法而言,本文的数据过滤方法不仅关注问答数据本身的流畅度,而且关注整个问答数据集中的知识多样性,通过结合多样性评估结果和流畅度评估结果来进行数据过滤,使得问答数据集能够兼顾数据的流畅度和知识的多样性。3)提出了使用课程学习策略对问答数据集中的问答数据排列顺序进行合理规划,使得模型能够从问答数据集中更容易学习到知识。课程学习策略模拟人类学习时从简单慢慢递增到困难的学习过程,使用干扰项与正确答案的相似度作为问题的难度评估标准,根据问题难度将问答数据集中的数据按照由易到难的顺序排列。最后本文在五个测试任务中对模型性能进行验证,实验结果显示本文模型比其他无监督常识问答模型具有更好的性能,说明了对问答数据集进行数据增强能够有效提高常识问答模型性能。

关键词：无监督常识问答干扰项增强数据过滤课程学习

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：