2달 전

Match-LSTM과 Answer Pointer를 사용한 기계 이해

Shuohang Wang; Jing Jiang
Match-LSTM과 Answer Pointer를 사용한 기계 이해
초록

텍스트의 기계 이해는 자연어 처리에서 중요한 문제입니다. 최근 발표된 데이터셋인 스탠퍼드 질문 응답 데이터셋(SQuAD, Stanford Question Answering Dataset)은 크라우드소싱을 통해 인간이 생성한 많은 실제 질문과 그 답변들을 제공합니다. SQuAD는 기계 이해 알고리즘을 평가하기 위한 도전적인 테스트베드를 제공하며, 이는 이전 데이터셋들과 비교하여 SQuAD의 답변들이 소수의 후보 답변 집합에서 나온 것이 아니고 길이가 다양하기 때문입니다. 우리는 이 작업을 위해 엔드투엔드 신경망 구조를 제안합니다. 이 구조는 우리가 이전에 텍스트 의미 관계 추론을 위해 제안한 매치-LSTM(match-LSTM) 모델과 Vinyals 등(2015)이 제안한 출력 토큰이 입력 시퀀스에서만 선택되도록 하는 시퀀스-투-시퀀스 모델인 포인터넷(Pointer Net)을 기반으로 합니다. 우리는 포인터넷을 우리의 작업에 사용하는 두 가지 방법을 제안합니다. 실험 결과, 우리의 두 모델 모두 Rajpurkar 등(2016)이 로지스틱 회귀와 수작업으로 만든 특징을 사용해 얻은 최고 성능보다 크게 우수함을 보여주었습니다.

Match-LSTM과 Answer Pointer를 사용한 기계 이해 | 최신 연구 논문 | HyperAI초신경