• 学术研究 • 下一篇
李晴,李艳玲,董杰,葛凤培,林民
LI Qing, LI Yanling, DONG Jie, GE Fengpei, LIN Min
摘要: 机器阅读理解是自然语言处理领域中的核心任务之一,该任务目标是使机器能够理解自然语言文本,并正确回答关于文本内容的问题。随着自然语言处理相关方法和模型的发展,研究者们开始关注机器阅读理解中更具挑战性的推理型问题,这些问题通常要求模型不仅理解文本中的浅层信息,还要能够在逻辑上进行思考和推理,以回答更加复杂的问题。本文对基于逻辑推理的机器阅读理解相关的最新成果进行全面的归纳;首先介绍基于逻辑推理的机器阅读理解任务;其次介绍该任务的相关方法,并根据侧重点的不同将这些方法分成四类:基于符号神经网络的方法、基于图神经网络的方法、基于预训练的方法和基于大模型的微调策略,重点描述四类方法的代表性工作;最后,在LogiQA和ReClor两个逻辑推理主流数据集上探讨方法的优缺点,并总结基于逻辑推理的机器阅读理解任务的未来研究方向。