第22章针对Cloze Tests基于Attention机制的的MRC

第22章：揭秘针对Cloze Tests基于Attention机制的的MRC领域开山之作：Teaching Machines to Read and Comprehend架构设计及完整源码实现 1，对Text提供精细化的语言理解能力和推理能力的MRC为何需要Neural Networks和Attention机制的支持？ 2，基于大规模训练数据集的集特征工程和分类于一体的深度学习MRC 3，数据集结构分析 4，Two-layer Deep LSTM Reader的Input和Output分析 5，Two-layer Deep LSTM Reader中article和question的Concatenation操作 6，Two-layer Deep LSTM Reader中的Embedding Layer解析 7，具有Attention功能的Two-layer Deep LSTM Reader架构解析 8，Two-layer Deep LSTM Reader的classification解析 9，Attentive Reader的Input时候对Document和Question分别作LSTM建模 10，Attentive Reader使用加法操作实现Attention机制进行Classification操作 11，Impatient Reader的Output中的Attention数学原理和操作解析 12，对模型复杂度及数据量的最佳实践思考 13，为何Attention机制在阅读理解中是有效的？数学原理和工程实践 14，CNN Daily Mail数据Padding、Batch等预处理操作 15，QADataset完整源码解析 16，QAIterator完整源码解析 17，