摘要
对话式问答（CQA）是一项新型的问答任务，需要对对话上下文进行理解。与传统的单轮次机器阅读理解（MRC）任务不同，CQA 包括篇章理解、共指消解和上下文理解。在本文中，我们提出了一种创新的基于上下文注意力机制的深度神经网络——SDNet，以将上下文融入传统 MRC 模型中。我们的模型利用了交互注意力和自注意力机制来理解对话上下文并从篇章中提取相关信息。此外，我们展示了一种将最新的 BERT 上下文模型集成到系统中的新方法。实证结果表明，我们的模型具有有效性，在 CoQA 排行榜上取得了新的最佳成绩，F1 分数比之前的最佳模型提高了 1.6%。我们的集成模型进一步将这一结果提升了 2.7% 的 F1 分数。