【开源】2018中文机器阅读理解竞赛第四名代码开源

模型架构

针对一个问题，文档集里有多答案的情况非常普遍，我们认为‘一边提高某个答案作为答案的概率，另一边又降低其它答案作为答案的概率’是不合理的。

因此我们的模型采用先从每篇文章中独立抽取候选答案，再从候选答案集中抽取最佳答案的结构，以解决多答案致使神经网络难以学习的问题。架构的具体实现中，我们通过BiDAF+ Passage Self-Matching从单篇文章中抽取答案，构成候选答案集，再使用em和xgboost决策树从候选答案集中抽取最佳答案。

即模型分为以下两部分：
候选答案抽取层——BiDAF+Passage Self-Matching
答案选择层——em算法、xgboost

数据下载

数据移步比赛官网的数据下载页面，来自百度知道和搜索的真实场景数据集共包含30万问题，其中包括27万的训练集，1万开发集和2万测试集，分为4个部分供参赛用户下载。Em算法部分包含了百度知道集的tfidf模型文件，只需下载百度知道的数据文件便可用java运行，暂未做python实现。它在整个模型（Bidaf抽取答案、xgboost决策答案）作为特征扩充，交互答案之间的信息。

算法效果

原文发布时间为：2018-08-08
本文作者：huaiwen
本文来自云栖社区合作伙伴“专知”，了解相关信息可以关注“专知”