摘要
本文研究了在需要对多个事实进行推理时的问题回答问题。我们提出了一种查询缩减网络（Query-Reduction Network, QRN），这是循环神经网络（Recurrent Neural Network, RNN）的一种变体，能够有效处理短期（局部）和长期（全局）的序列依赖关系，从而对多个事实进行推理。QRN将上下文句子视为一系列状态变化触发器，并随着时间观察每个触发器（上下文句子），逐步将原始查询缩减为更加有信息量的查询。实验结果表明，QRN在bAbI问答和对话任务中取得了最先进的成果，并在一个真实的目标导向对话数据集中也表现优异。此外，QRN的公式允许在RNN的时间轴上进行并行化处理，从而在训练和推理过程中节省了一个数量级的时间复杂度。