计算机工程与科学

作者：谭红叶, 行覃杰

单位：山西大学计算机与信息技术学院，山西 太原 030006

关键词：鲁棒,多任务学习,机器阅读理解,

基金：国家自然科学基金(62076155)

目前抽取式机器阅读理解已经取得了很好的成果。然而，许多研究工作表明,机器阅读理解模型在过敏感性、过稳定性等方面的鲁棒性还有待提高。为了解决该问题，提出了一种面向鲁棒性增强的多任务抽取式阅读理解模型，加强模型在篇章和问题2方面的理解能力。通过多任务学习方式，将答案抽取作为主要任务，证据句判断和问题分类作为辅助任务，实现编码器之间的信息共享。在鲁棒性测试集上的实验结果表明，所提模型对比基线模型有明显的性能提升。

来源：2023年第2期

《计算机工程与科学》期刊编辑部

查看计算机工程与科学杂志2023年第2期