論文分享 - Reinforced Mnemonic Reader for Machine Comprehension

簡介 這篇論文發表時間比較近，比較全面地總結了match-LSTM、R-Net等衆多前人模型的優缺點，並做了很好的改進，如：增加編碼層能力，解決長距離上下文信息，提煉預測答案片段，直接優化評價函數等，在SQuAD數據庫上取得了State-Of-Art的效果。 前人的很多模型都具有一個共同的網絡框架，即「encoder-interaction-pointer」。首先是將問題和段落的單詞序列利用RNN

>>阅读原文<<