使用超網路模型處理對話情境下的機器閱讀理解與錯誤傳導探討

Abstract

在自然語言處理中，機器閱讀理解(Machine Reading Comprehension) 試圖讓機器從文件中提取語意，並根據語意回答文件相關的問題，是一個極具挑戰的應用，在深度學習的技術發展下，處理機器閱讀理解的技術日漸成熟，相與對應的模型也逐期推出，在這樣的基礎下，本論文探討相對複雜的情境，對話情境下的機器閱讀理解(Conversational Machine Reading Comprehension)，在此情境下， 模型除了需要了解文章與問題的內容，還需要理解問題本身與對話前期內容的相依性，因此如何處理對話情境的資訊，並將其融入機器閱讀理解的任務顯的重要。本論文提出使用超網路將對話情境的資訊融入產生的參數之中，讓當前的文章輸入和問題，和產生的參數互動得到對話情境的資訊，藉此提昇任務的表現。除此之外，本論文針對任務進行分析，並透過分析方法來了解模型的行為，期許未來研究能夠根據這些分析，提出有效的解決方案。