自然语言处理NLP星空智能对话机器人系列：NLP on Transformers 101 第19章：NLP阅读理解MRC(Machine Reading Comprehension)数学原理、技术本质

段智华

于 2021-11-16 19:50:21 发布

阅读量942

点赞数

分类专栏： NLP星空智能对话机器人文章标签：自然语言处理 bert 人工智能

热烈祝贺Gavin大咖2024年北京航空航天大学两本新书《Transformer&ChatGPT解密：原理、源码及案例》、《Transformer& Rasa 解密: 原理、源码及案例》出版发行

本文链接：https://blog.youkuaiyun.com/duan_zhihua/article/details/121363661

版权

NLP星空智能对话机器人专栏收录该内容

281 篇文章 ¥39.90 ¥99.00

订阅专栏

超级会员免费看

本文深入探讨NLP中的机器阅读理解（MRC），解析其数学原理、技术本质，并通过GRE文章及阅读理解题目进行实例分析。MRC在智能客服、机器问答等领域广泛应用，其核心包括Question-Context-Answer模型和Attention Computations。文章详细阐述了MRC的数学模型、传统与深度学习方法，并介绍了不同类型的MRC数据集和评估标准。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

自然语言处理NLP星空智能对话机器人系列：NLP on Transformers 101 第19章：NLP阅读理解MRC(Machine Reading Comprehension)数学原理、技术本质

第19章：NLP阅读理解MRC(Machine Reading Comprehension)数学原理、技术本质及常见算法
1，以一篇119个Words的GRE(Graduate Record Examinations)文章及2个相应的阅读理解题目为例来剖析阅读理解的过程及其背后的机制
2，MRC在智能客服、机器问答、搜索引擎等等广泛应用背后的原因：规模化价值复制
3，信息的本质及信息理解的本质数学机制剖析
4，MRC三元素：Question-Context-Answer数学模型及技术本质剖析
5，MRC的核心：Attention Computations
6，MRC对信息理解三大层次解析及背后对应的数学模型
7，MRC实现方法之传统特征工程解析
8，MRC实现方法之深层语意图匹配解析
9，MRC实现方式之神经网络及Attention机制解析
10，MRC数据之Single-Document和Multiple-Document解析
11，MRC的四大核心任务之Cloze Tests数据集、数学原理和技术本质剖析
12，MRC的四大核心任务之Multiple Choic