中文摘要 |
一般問答系統常是以從題目原文中尋找最可能的文字段落的方式來生成答案,但是最近開始有試圖以編碼器(encoder)先抽取題目與問句的隱含意義,再以解碼器(decoder)重新生成回應語句的趨勢。因為它能不受原始文章使用的文字的限制,甚至可以用完全不同的說法來回答。因此在本論文中提出了一個基於BERT與Transformer的“編碼-解碼”模型,嘗試實現此問答系統。實驗方面使用台達電研究所的公開數據集(Delta Reading Comprehension Dataset, DRCD)和「科技大擂臺,與AI對話」(Formosa Grand Challenge)的比賽資料,來訓練模型。由實驗結果發現,我們的系統可以由學習產生答案,並達到ACC=66.22%,F1=41.16%,EM=18.41%,BLEU=3.98%的效能,嘗試實現可自由產生回應語句的問答系統。 |