最近做question-answering系统,看了几篇相关的论文,涉及到用CNN、LSTM、RNN、Attention等算法,这里做个记录。
1 Attention-Based Convolutional Neural Network for Modeling Sentence Pairs (IBM)
提出了四种基于CNN的模型,用余弦相似度来表示两个句子的相似性。
文章采取了w-average-pooling,所以不需要对长短不一的句子补齐,假设两个句子的长度分别是5、7,embedding size是300,filter size是 3
a) CNN without attention模型
一层CNN模型如下
s0 input words embedding (5×300) –> wide convolution(7×300) –> w-average-pooling (5×300) –>
s1 input words embedding (7×300) –> wide convolution(9×300) –> w-average-pooling (7×300)
由于卷积之后,特征向量的维度不变,因此可以将多层这样的CNN堆叠。最后一层用all-average-pooling,得到句子特征向量,计算它们的cosine 相似度。
b) ABCNN-1 with attention
input embeddings convolution后得到representation feature map,计算两个句子的每两个字之间关联程度,得到5*7的attention matrix,关联程度用Euclidean distance(|x-y|))的变式1/(1+|x-y|)。
关于用深度学习做answer selection的论文
最新推荐文章于 2021-02-20 16:26:19 发布