%0 Conference Proceedings %T 基于话头话体共享结构信息的机器阅读理解研究(Rearch on Machine reading comprehension based on shared structure information between Naming and Telling) %A Han, Yujiao %A Luo, Zhiyong %A Zhang, Mingming %A Zhao, Zhilin %A Zhang, Qing %Y Sun, Maosong %Y Liu, Yang %Y Che, Wanxiang %Y Feng, Yang %Y Qiu, Xipeng %Y Rao, Gaoqi %Y Chen, Yubo %S Proceedings of the 21st Chinese National Conference on Computational Linguistics %D 2022 %8 October %I Chinese Information Processing Society of China %C Nanchang, China %G Chinese %F han-etal-2022-ji %X “机器阅读理解(Machine Reading Comprehension, MRC)任务旨在让机器回答给定上下文的问题来测试机器理解自然语言的能力。目前,基于大规模预训练语言模型的神经机器阅读理解模型已经取得重要进展,但在涉及答案要素、线索要素和问题要素跨标点句、远距离关联时,答案抽取的准确率还有待提升。本文通过篇章内话头话体结构分析,建立标点句间远距离关联关系、补全共享缺失成分,辅助机器阅读理解答案抽取;设计和实现融合话头话体结构信息的机器阅读理解模型,在公开数据集CMRC2018上的实验结果表明,模型的F1值相对于基线模型提升2.4%,EM值提升6%。” %U https://aclanthology.org/2022.ccl-1.57 %P 634-643