摘要

让计算机阅读并回答有关文档的一般性问题是具有挑战性且尚未解决的问题。在本文中，我们介绍了一种名为推理网络（Reasoning Network，简称ReasoNet）的新颖神经网络架构，用于机器理解任务。ReasoNet通过多轮次有效地利用查询、文档和答案之间的关系进行推理。与以往在推理过程中使用固定轮次的方法不同，ReasoNet引入了一个终止状态，以放宽对推理深度的限制。借助强化学习技术，ReasoNet能够在消化中间结果后动态决定是否继续理解过程，或者在认为现有信息足以生成答案时终止阅读。ReasoNet在机器理解数据集上取得了卓越的表现，包括非结构化的CNN和Daily Mail数据集、斯坦福SQuAD数据集以及结构化的图可达性数据集（Graph Reachability dataset）。