机器阅读理解machine comprehensive

梗概

(1),word continuous representation

将词向量表示成连续的向量形式，通过wordembed模型

(2)，word continuous representation to sentence continuous representation

将词连续向量转换成一个句子连续向量，通过卷积或lstm来实现。

具体应用有：

通过句子的语义连续向量和recurrent continuous translation来机器翻译。

通过句子的语义连续向量对句子所表达的主题进行分类；

通过句子的语义连续向量进一步compositionality来得到discourse或conversation或paragraph的continuous representation

(3),Cloze test  or cloze-style query

Today, I went to the ________ and bought some milk and eggs. I knew it was going to rain, but I forgot to take my ________, and ended up getting wet on the way.

 

相关模型：Text Understanding with the Attention Sum Reader Network

 

（4），Attention mechanisms 

原理：由于将一个sentence转换成一个向量可能丢失信息，尤其是对于句子太长的情况下。因此有人提出对每个词都转换成一个上下文相关的向量，因此一句话有n个词将转换成n个向量，而不是一个向量。在应用中再根据相关性计算出句子向量与当前翻译的词的相关性，来动态的构造出句子向量的representation。

应用：机器翻译、机器问答系统。

 

2，具体流程

（1）将句子或文本转换成

（2）将问题转换成一个向量

（3）计算问题和各ci的相似度，取最大值的位置，即是问题的答案