Chulalongkorn University Theses and Dissertations (Chula ETD)

Other Title (Parallel Title in Other Language of ETD)

Machine Reading Comprehension for Questions with Multiple Relationships Using Deep Learning

Year (A.D.)

2017

Document Type

Thesis

First Advisor

พีรพล เวทีกูล

Second Advisor

ปรัชญา บุญขวัญ

Faculty/College

Faculty of Engineering (คณะวิศวกรรมศาสตร์)

Department (if any)

Department of Computer Engineering (ภาควิชาวิศวกรรมคอมพิวเตอร์)

Degree Name

วิศวกรรมศาสตรมหาบัณฑิต

Degree Level

ปริญญาโท

Degree Discipline

วิศวกรรมคอมพิวเตอร์

DOI

10.58837/CHULA.THE.2017.1372

Abstract

การอ่านทำความเข้าใจเพื่อใช้ตอบคำถาม เป็นหนึ่งในเรื่องที่สำคัญและยากที่สุดในงานสายการประมวลผลภาษาธรรมชาติ วิธีการที่ได้รับความนิยมและให้ผลที่ดีที่สุดในปัจจุบัน คือการใช้โมเดลที่นำเอาการเรียนรู้เชิงลึกเข้ามาช่วยตอบ โดยโมเดลจะทำการหาคำที่คล้ายกันระหว่างคำถามและบทความเพื่อนำไปใช้ในการตอบคำถาม แต่โมเดลในรูปแบบนี้จะมีข้อจำกัดที่ไม่สามารถจะตอบคำถามซึ่งคำตอบจะต้องใช้การเชื่อมต่อคำในหลายประโยคเข้าด้วยกัน หรือที่เรียกว่าคำถามที่มีหลายความสัมพันธ์ได้ งานวิจัยชิ้นนี้ต้องการที่จะเสนอแนวทางในการใช้คำอ้างอิงเข้ามาช่วยแก้ปัญหาดังกล่าว รวมถึงยังได้เสนอวิธีการตอบแบบสองทาง และฟังก์ชันต้นทุนจากความยาวของคำตอบเพื่อเพิ่มประสิทธิภาพโดยรวมของระบบ

Other Abstract (Other language abstract of ETD)

Machine reading comprehension (MC) is a challenging problem in natural language processing. Recently, many deep learning models have been proposed. However, these models are limited by the soft attention relied heavily on keywords that appear in a question. Therefore, the performance is always poor in a question that needs to infer an answer from multiple sentences, which cannot solely depend on keywords in a question. In this thesis, our contributions are three folds: (i) coreference vector, to improve the performance of multiple sentence question, (ii) bi-directional answering technique, to avoid local maxima corresponding to the incorrect answer span and (iii) answer length loss function, to better refine an answer.

Share

COinS
 
 

To view the content in your browser, please download Adobe Reader or, alternately,
you may Download the file to your hard drive.

NOTE: The latest versions of Adobe Reader do not support viewing PDF files within Firefox on Mac OS and if you are using a modern (Intel) Mac, there is no official plugin for viewing PDF files within the browser window.