摘要

在故事完形填空测试中，系统会接收一个包含四句话的故事开头提示，并需要判断两个可能的结局中哪一个才是“正确”的故事结局。先前的研究表明，忽略训练集而仅在验证集上训练模型可以在这个任务上取得高精度，原因在于训练集中的故事结局与验证集和测试集中的结局存在风格上的差异。基于这一方法，我们提出了一种更为简单的全神经网络方法来解决故事完形填空测试，该方法利用了故事的跳思嵌入（skip-thought embeddings）并通过前馈网络实现，在无需任何特征工程的情况下达到了接近最先进水平的性能。此外，我们发现只考虑提示的最后一句话而不是整个提示，在我们的方法下可以带来更高的准确率。