为更好捕获和理解长文本的上下文信息，提出一种基于全局信息语法增强的长文本机器阅读理解模型。在预训练语言模型基础上，引入语法依存关系树，将语法信息融合进上下文建模中，增强长文本表示；针对长文本存在的全局信息丢失问题，引入门控循环单元神经网络，负责处理和传递各分段信息。通过在大规模标准数据集上进行实验，验证了该模型较于其它方法有不同程度的提升，能够有效处理长文本机器阅读理解任务。
科研之友
微信
新浪微博
Facebook
分享链接
