ミッションに焦点を当てる：読解のためのコンテキストズームインネットワーク

近年、読解（Reading Comprehension: RC）タスクを解決するための多数の深層ニューラルネットワークが提案されている。しかし、これらのモデルの多くは長文における推論処理に課題を抱えており、与えられた文書内に答えがスパンとして存在しないケースには自然に一般化できないという問題がある。本研究では、質問と文書のペアに基づいて関連領域を抽出し、適切な形で回答を生成できる新しいニューラルアーキテクチャを提示する。本アーキテクチャの有効性を検証するため、最近提案された難易度の高いRCデータセット「NarrativeQA」を用いて複数の実験を実施した。その結果、本手法は最先端の成果に対してROUGE-Lで12.62％の相対的な向上を達成した。