会员服务
深度学习 · 问答系统 · 阅读理解 ·
2019 年 10 月 18 日
FlowQA: Grasping Flow in History for Conversational Machine Comprehension
专知会员服务
专知会员服务
专知，提供专业可信的知识分发服务，让认知协作更快更好！

《FlowQA: Grasping Flow in History for Conversational Machine Comprehension.》Hsin-YuanHuang, Eunsol Choi,Wen-tauYih [ICLR] (2019)

会话机器理解需要对会话历史有深刻的理解，为了使传统的单圈模型能够进行全面编码，作者引入Flow机制，该机制可以通过交替并行处理结构合并在回答先前问题的过程中生成的中间表示。与先前的将问题/答案作为输入的方法相比，Flow更深入地整合了历史对话的潜在语义。其性能也优于SCONE中的所有三个领域中的最佳模型，准确性提高了2.6%

Github项目地址：https://github.com/momohuang/FlowQA

成为VIP会员查看完整内容
https://arxiv.org/abs/1810.06683v1
FlowQA Grasping Flow in History for Conversational Machine Comprehension.pdf
23

相关内容

机器学习的一个分支，它基于试图使用包含复杂结构或由多重非线性变换构成的多个处理层对数据进行高层抽象的一系列算法。

知识荟萃

精品入门和进阶教程、论文和代码整理等

更多

查看相关VIP内容、论文、资讯等
【ACL2020】Span-ConveRT：预训练对话表示小样本跨度提取，Span-ConveRT: Few-shot Span Extraction for Dialog with Pretrained Conversational Representations
【ACL2020】Span-ConveRT：预训练对话表示小样本跨度提取，Span-ConveRT: Few-shot Span Extraction for Dialog with Pretrained Conversational Representations
专知会员服务
16+阅读 · 2020年5月19日
【WWW2020-推荐】医疗领域答案检索，基于上下文文档表示学习
专知会员服务
36+阅读 · 2020年2月18日
【WWW2020】学习上下文化文档表示用于医疗答案检索，Learning Contextualized Document Representations for Healthcare Answer Retrieval
【WWW2020】学习上下文化文档表示用于医疗答案检索，Learning Contextualized Document Representations for Healthcare Answer Retrieval
专知会员服务
25+阅读 · 2020年2月10日
【NLP| 推荐文章】神经网络方法的机器阅读理解：方法与趋势（Neural Machine Reading Comprehension：Methods and Trends）
专知会员服务
40+阅读 · 2019年11月24日
【NLP| 推荐文章】知识图谱问答系统的神经网络方法介绍（Introduction to Neural Network based Approaches for Question Answering over Knowledge Graphs）
专知会员服务
56+阅读 · 2019年11月24日
【NLP| 推荐文章】神经阅读理解与超越（Neural Reading Comprehension And Beyond）
【NLP| 推荐文章】神经阅读理解与超越（Neural Reading Comprehension And Beyond）
专知会员服务
25+阅读 · 2019年11月23日
【医学图像分割| 2019新综述】生物医学图像分割的机器学习技术：技术方面综述和最新应用介绍（Machine Learning Techniques for Biomedical Image Segmentation: An Overview of Technical Aspects and Introduction to State-of-Art Applications），附35页PDF
【医学图像分割| 2019新综述】生物医学图像分割的机器学习技术：技术方面综述和最新应用介绍（Machine Learning Techniques for Biomedical Image Segmentation: An Overview of Technical Aspects and Introduction to State-of-Art Applications），附35页PDF
专知会员服务
55+阅读 · 2019年11月23日
【AAAI2020接受论文】隐式关系语言模型，CMU&微软，Latent Relation Language Models
【AAAI2020接受论文】隐式关系语言模型，CMU&微软，Latent Relation Language Models
专知会员服务
52+阅读 · 2019年11月12日
微软发布DialoGPT预训练语言模型，论文与代码 Large-Scale Generative Pre-training for Conversational Response Generation
微软发布DialoGPT预训练语言模型，论文与代码 Large-Scale Generative Pre-training for Conversational Response Generation
专知会员服务
25+阅读 · 2019年11月8日
【CVPR 2019|workshop】视觉问答和对话，Visual Question Answering and Dialog，斯坦福大学|Christopher Manning，Google DeepMind|Karl Moritz Hermann
【CVPR 2019|workshop】视觉问答和对话，Visual Question Answering and Dialog，斯坦福大学|Christopher Manning，Google DeepMind|Karl Moritz Hermann
专知会员服务
16+阅读 · 2019年6月17日
微软机器阅读理解在一场多轮对话挑战中媲美人类
微软机器阅读理解在一场多轮对话挑战中媲美人类
微软丹棱街5号
19+阅读 · 2019年5月14日
动态 | 微软刷新CoQA对话问答挑战赛纪录，模型性能达到人类同等水平
动态 | 微软刷新CoQA对话问答挑战赛纪录，模型性能达到人类同等水平
AI研习社
4+阅读 · 2019年5月8日
微软机器阅读理解系统性能升级，刷新CoQA对话式问答挑战赛纪录
微软机器阅读理解系统性能升级，刷新CoQA对话式问答挑战赛纪录
微软研究院AI头条
4+阅读 · 2019年5月6日
微软机器阅读理解超越人类水平，CoQA数据集得分刷新记录
微软机器阅读理解超越人类水平，CoQA数据集得分刷新记录
机器之心
5+阅读 · 2019年5月4日
论文浅尝 | 基于图注意力的常识对话生成
论文浅尝 | 基于图注意力的常识对话生成
开放知识图谱
8+阅读 · 2019年2月5日
论文浅尝 | 基于常识知识图谱感知和图注意力机制的对话生成
论文浅尝 | 基于常识知识图谱感知和图注意力机制的对话生成
开放知识图谱
15+阅读 · 2018年9月24日
机器阅读理解 / 知识库 / 深度学习 / 对话系统 / 神经机器翻译 | 本周值得读
机器阅读理解 / 知识库 / 深度学习 / 对话系统 / 神经机器翻译 | 本周值得读
PaperWeekly
11+阅读 · 2018年3月21日
论文浅尝 | Improved Neural Relation Detection for KBQA
论文浅尝 | Improved Neural Relation Detection for KBQA
开放知识图谱
13+阅读 · 2018年1月21日
论文浅尝 | Question Answering over Freebase
论文浅尝 | Question Answering over Freebase
开放知识图谱
18+阅读 · 2018年1月9日
资源 | GitHub上的五大开源机器学习项目
资源 | GitHub上的五大开源机器学习项目
机器之心
9+阅读 · 2017年11月9日
A Study of the Tasks and Models in Machine Reading Comprehension
A Study of the Tasks and Models in Machine Reading Comprehension
Arxiv
8+阅读 · 2020年1月23日
Incorporating Relation Knowledge into Commonsense Reading Comprehension with Multi-task Learning
Arxiv
5+阅读 · 2019年9月5日
SDNet: Contextualized Attention-based Deep Network for Conversational Question Answering
Arxiv
7+阅读 · 2019年1月2日
Multi-granularity hierarchical attention fusion networks for reading comprehension and question answering
Multi-granularity hierarchical attention fusion networks for reading comprehension and question answering
Arxiv
4+阅读 · 2018年11月29日
Read + Verify: Machine Reading Comprehension with Unanswerable Questions
Arxiv
3+阅读 · 2018年11月15日
Knowledge Based Machine Reading Comprehension
Knowledge Based Machine Reading Comprehension
Arxiv
4+阅读 · 2018年9月12日
CoQA: A Conversational Question Answering Challenge
CoQA: A Conversational Question Answering Challenge
Arxiv
7+阅读 · 2018年8月21日
QuAC : Question Answering in Context
QuAC : Question Answering in Context
Arxiv
4+阅读 · 2018年8月21日
Reinforced Mnemonic Reader for Machine Reading Comprehension
Arxiv
10+阅读 · 2018年4月25日
Supervised and Unsupervised Transfer Learning for Question Answering
Arxiv
4+阅读 · 2018年4月21日
VIP会员
相关主题
深度学习
问答系统
阅读理解
相关VIP内容
【ACL2020】Span-ConveRT：预训练对话表示小样本跨度提取，Span-ConveRT: Few-shot Span Extraction for Dialog with Pretrained Conversational Representations
【ACL2020】Span-ConveRT：预训练对话表示小样本跨度提取，Span-ConveRT: Few-shot Span Extraction for Dialog with Pretrained Conversational Representations
专知会员服务
16+阅读 · 2020年5月19日
【WWW2020-推荐】医疗领域答案检索，基于上下文文档表示学习
专知会员服务
36+阅读 · 2020年2月18日
【WWW2020】学习上下文化文档表示用于医疗答案检索，Learning Contextualized Document Representations for Healthcare Answer Retrieval
【WWW2020】学习上下文化文档表示用于医疗答案检索，Learning Contextualized Document Representations for Healthcare Answer Retrieval
专知会员服务
25+阅读 · 2020年2月10日
【NLP| 推荐文章】神经网络方法的机器阅读理解：方法与趋势（Neural Machine Reading Comprehension：Methods and Trends）
专知会员服务
40+阅读 · 2019年11月24日
【NLP| 推荐文章】知识图谱问答系统的神经网络方法介绍（Introduction to Neural Network based Approaches for Question Answering over Knowledge Graphs）
专知会员服务
56+阅读 · 2019年11月24日
【NLP| 推荐文章】神经阅读理解与超越（Neural Reading Comprehension And Beyond）
【NLP| 推荐文章】神经阅读理解与超越（Neural Reading Comprehension And Beyond）
专知会员服务
25+阅读 · 2019年11月23日
【医学图像分割| 2019新综述】生物医学图像分割的机器学习技术：技术方面综述和最新应用介绍（Machine Learning Techniques for Biomedical Image Segmentation: An Overview of Technical Aspects and Introduction to State-of-Art Applications），附35页PDF
【医学图像分割| 2019新综述】生物医学图像分割的机器学习技术：技术方面综述和最新应用介绍（Machine Learning Techniques for Biomedical Image Segmentation: An Overview of Technical Aspects and Introduction to State-of-Art Applications），附35页PDF
专知会员服务
55+阅读 · 2019年11月23日
【AAAI2020接受论文】隐式关系语言模型，CMU&微软，Latent Relation Language Models
【AAAI2020接受论文】隐式关系语言模型，CMU&微软，Latent Relation Language Models
专知会员服务
52+阅读 · 2019年11月12日
微软发布DialoGPT预训练语言模型，论文与代码 Large-Scale Generative Pre-training for Conversational Response Generation
微软发布DialoGPT预训练语言模型，论文与代码 Large-Scale Generative Pre-training for Conversational Response Generation
专知会员服务
25+阅读 · 2019年11月8日
【CVPR 2019|workshop】视觉问答和对话，Visual Question Answering and Dialog，斯坦福大学|Christopher Manning，Google DeepMind|Karl Moritz Hermann
【CVPR 2019|workshop】视觉问答和对话，Visual Question Answering and Dialog，斯坦福大学|Christopher Manning，Google DeepMind|Karl Moritz Hermann
专知会员服务
16+阅读 · 2019年6月17日
热门VIP内容
相关资讯
微软机器阅读理解在一场多轮对话挑战中媲美人类
微软机器阅读理解在一场多轮对话挑战中媲美人类
微软丹棱街5号
19+阅读 · 2019年5月14日
动态 | 微软刷新CoQA对话问答挑战赛纪录，模型性能达到人类同等水平
动态 | 微软刷新CoQA对话问答挑战赛纪录，模型性能达到人类同等水平
AI研习社
4+阅读 · 2019年5月8日
微软机器阅读理解系统性能升级，刷新CoQA对话式问答挑战赛纪录
微软机器阅读理解系统性能升级，刷新CoQA对话式问答挑战赛纪录
微软研究院AI头条
4+阅读 · 2019年5月6日
微软机器阅读理解超越人类水平，CoQA数据集得分刷新记录
微软机器阅读理解超越人类水平，CoQA数据集得分刷新记录
机器之心
5+阅读 · 2019年5月4日
论文浅尝 | 基于图注意力的常识对话生成
论文浅尝 | 基于图注意力的常识对话生成
开放知识图谱
8+阅读 · 2019年2月5日
论文浅尝 | 基于常识知识图谱感知和图注意力机制的对话生成
论文浅尝 | 基于常识知识图谱感知和图注意力机制的对话生成
开放知识图谱
15+阅读 · 2018年9月24日
机器阅读理解 / 知识库 / 深度学习 / 对话系统 / 神经机器翻译 | 本周值得读
机器阅读理解 / 知识库 / 深度学习 / 对话系统 / 神经机器翻译 | 本周值得读
PaperWeekly
11+阅读 · 2018年3月21日
论文浅尝 | Improved Neural Relation Detection for KBQA
论文浅尝 | Improved Neural Relation Detection for KBQA
开放知识图谱
13+阅读 · 2018年1月21日
论文浅尝 | Question Answering over Freebase
论文浅尝 | Question Answering over Freebase
开放知识图谱
18+阅读 · 2018年1月9日
资源 | GitHub上的五大开源机器学习项目
资源 | GitHub上的五大开源机器学习项目
机器之心
9+阅读 · 2017年11月9日
相关论文
A Study of the Tasks and Models in Machine Reading Comprehension
A Study of the Tasks and Models in Machine Reading Comprehension
Arxiv
8+阅读 · 2020年1月23日
Incorporating Relation Knowledge into Commonsense Reading Comprehension with Multi-task Learning
Arxiv
5+阅读 · 2019年9月5日
SDNet: Contextualized Attention-based Deep Network for Conversational Question Answering
Arxiv
7+阅读 · 2019年1月2日
Multi-granularity hierarchical attention fusion networks for reading comprehension and question answering
Multi-granularity hierarchical attention fusion networks for reading comprehension and question answering
Arxiv
4+阅读 · 2018年11月29日
Read + Verify: Machine Reading Comprehension with Unanswerable Questions
Arxiv
3+阅读 · 2018年11月15日
Knowledge Based Machine Reading Comprehension
Knowledge Based Machine Reading Comprehension
Arxiv
4+阅读 · 2018年9月12日
CoQA: A Conversational Question Answering Challenge
CoQA: A Conversational Question Answering Challenge
Arxiv
7+阅读 · 2018年8月21日
QuAC : Question Answering in Context
QuAC : Question Answering in Context
Arxiv
4+阅读 · 2018年8月21日
Reinforced Mnemonic Reader for Machine Reading Comprehension
Arxiv
10+阅读 · 2018年4月25日
Supervised and Unsupervised Transfer Learning for Question Answering
Arxiv
4+阅读 · 2018年4月21日
微信扫码咨询专知VIP会员
Top