计算机应用

作者：胡新荣, 陈静雪, 黄子键, 王帮超, 姚迅, 刘军平, 朱强, 杨捷

单位：1.武汉纺织大学 计算机与人工智能学院，武汉 430200；2.伍伦贡大学 计算机与信息技术学院，澳大利亚 新南威尔士州 伍伦贡市 2259

关键词：多项选择问答,数据增强,图卷积网络,打分器,课程学习

基金：CCF-智谱AI大模型创新基金项目(CCF?Zhipu202312)

针对多项选择问答（MCQA）领域中原始数据信息不准确、样本质量低以及模型泛化能力差等问题，提出一种基于图卷积网络（GCN）的掩码数据增强模型GMDA（Graph convolution network-based MASK Data Augmentation）。该模型以GCN作为基础框架，首先将文章中的单词抽象为图节点，并利用问题-候选答案（QA）对节点进行连接，建立与相关的文章节点之间的联系；其次，计算节点之间的相似性，并应用掩码技术对图中的节点进行掩盖，从而生成增强样本；再次，利用GCN对增强样本进行特征扩充，以提升模型的信息表达能力；最后，引入打分器对原始样本和增强样本进行评分，并结合课程学习策略提高答案预测的准确性。综合评估实验结果表明：与RACE-M、RACE-H数据集上的最优基线模型EAM相比，所提模型GMDA的准确率分别平均提高了0.8、0.4个百分点，而与DREAM数据集上的最优基线模型STM（SelfTraining Method）相比，GMDA模型的准确率平均提高了1.4个百分点。此外，对比实验的结果也验证了GMDA模型在MCQA任务中的有效性，可为数据增强技术在该领域的进一步研究和应用提供帮助。

来源：2024年第11期

《计算机应用》期刊编辑部

查看计算机应用杂志2024年第11期