
摘要
训练大规模问答系统是一项复杂的任务,因为训练数据源通常只能覆盖可能问题的一小部分范围。本文研究了多任务学习和迁移学习对简单问答的影响;在这种设置下,回答问题所需的推理相对容易,只要能够根据问题检索到正确的证据即可,但在大规模条件下这可能会变得困难。为此,我们引入了一个包含10万个问题的新数据集,并将其与现有的基准测试结合使用。我们在Memory Networks(西斯通等人,2015年)的框架内进行这项研究,因为这一视角使我们最终能够扩展到更复杂的推理,并展示了Memory Networks可以成功训练以实现卓越性能。