基于机器阅读理解的生活情景常识预测

机器学习研究的长期目标是产生适用于推理和自然语言的方法,建立智能对话系统。本实验通过回答日常生活的事件的问答问题来评估阅读理解,使用Facebook AI的BABI tasks中的四种类型数据完成模型训练,采用数字编码稀疏交叉熵损失函数对RNN模型、LSTM模型和BERT模型参数进行设置,采用多分类单标签的categorical_accuracy函数作为评价度量,预测样本数据集中的正确数量。实验结果表明,在RNN模型预测答案的准确率明显高于LSTM和BERT模型。