HyperAIHyperAI
il y a 4 mois

Réseaux de Mémoire Key-Value pour la Lecture Directe de Documents

Alexander Miller; Adam Fisch; Jesse Dodge; Amir-Hossein Karimi; Antoine Bordes; Jason Weston
Réseaux de Mémoire Key-Value pour la Lecture Directe de Documents
Résumé

La lecture directe de documents et la capacité à y répondre est un défi qui n'a pas encore été relevé. Pour éviter sa difficulté inhérente, les systèmes de réponse aux questions (QA) ont été orientés vers l'utilisation de bases de connaissances (KBs), ce qui s'est avéré efficace. Malheureusement, les KBs souffrent souvent d'être trop restrictives, car leur schéma ne peut pas supporter certains types de réponses, et trop éparse, par exemple, Wikipedia contient beaucoup plus d'informations que Freebase. Dans cette étude, nous introduisons une nouvelle méthode, les Réseaux de Mémoire Clé-Valeur (Key-Value Memory Networks), qui rend la lecture des documents plus viable en utilisant différents codages lors des étapes d'adressage et de sortie de l'opération de lecture mémoire. Pour comparer l'utilisation des KBs, l'extraction d'information ou des documents Wikipedia directement dans un cadre unique, nous avons construit un outil d'analyse, WikiMovies, un ensemble de données QA qui contient du texte brut ainsi qu'une base de connaissances prétraitée dans le domaine du cinéma. Notre méthode réduit l'écart entre ces trois configurations. Elle obtient également des résultats à l'état de l'art sur le benchmark WikiQA existant.

Réseaux de Mémoire Key-Value pour la Lecture Directe de Documents | Articles de recherche | HyperAI