摘要
我们介绍了EpiReader，这是一种用于文本机器理解的新模型。文本的非结构化、现实世界中的机器理解是自然语言处理领域的一个重要研究目标。当前的机器理解测试提出了可以从某些支持文本中推断出答案的问题，并评估模型对这些问题的回答。EpiReader是一个端到端的神经模型，包含两个组件：第一个组件通过比较问题和支持文本，提出一小组候选答案；第二个组件则利用这些提出的候选答案和问题来构建假设，然后根据假设与支持文本的一致性估计值重新排序这些假设。我们展示了实验结果，证明EpiReader在CNN和儿童读物测试（Children's Book Test）的机器理解基准测试中达到了新的最先进水平，显著优于之前的神经模型。