【論文筆記08】Dynamic Entity Representation with Max-pooling Improves Machine Reading

本文模型之前的模型都是用一個靜態的向量來表示一個entity，與上下文沒有關係。而本文最大的貢獻在於提出了一種動態表示entity的模型，根據不同的上下文對同樣的entity有不同的表示。 模型還是採用雙向LSTM來構建，這時實體表示由四部分構成，包括兩個方向上的隱層狀態，，以及該實體所在句子的最後隱層狀態，也就是該實體所在的上下文表示。如圖所示。 問題向量的計算與動態實體計算過程類似，這裏需要填

>>阅读原文<<