《表1 match-LSTM与本文模型的对比实验结果》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于双向注意力流和自注意力结合的机器阅读理解》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

最后，还使用BiDAF基线模型和另一种流行框架match-LSTM[18]模型与本模型进行对比实验.match-LSTM模型主要包括3层结构:（1）LSTM预处理层，在该层分别将文本和问题通过LSTM进行编码，使向量化后的每个词都包含上下文信息；（2）match-LSTM层，该层的主要功能为匹配文章和问题，挖掘两者关联信息，本质为一个LSTM单元和一个attention单元组成，相当于在LSTM的原始输入上增加文本当前位置对于问题的attention；（3）Pointer-Net层，作用为抽取答案，是一个序列化迭代attention的过程.该模型在SQuAD任务中表现出较优秀的性能.使用matchLSTM的边界模型（预测结果为答案起始位置）进行对比实验，实验结果如表1所示，证明本文的模型有效且具有一定优势.