CNN Reranking Question-Answer Pairs 句子矩阵宽卷积和窄卷积方法

豆逗1990

于 2017-04-27 11:26:34 发布

阅读量2k

点赞数 2

分类专栏：随笔文章标签： CNN 宽卷积窄卷积

本文链接：https://blog.csdn.net/daodaojiejacket/article/details/70847010

版权

这篇博客介绍了如何使用CNN（卷积神经网络）来计算问答对的相关性，对比了Severyn A和Moschitti A的论文中宽卷积与Yin等人在ABCNN模型中窄卷积的方法。尽管两种模型在细节上有所不同，但本质上都是通过卷积和池化操作获取特征，然后进行二分类。ABCNN利用宽卷积得到S+W-1维的向量，而另一种方法则使用窄卷积得到S-W+1维的向量。相似性计算方面，ABCNN采用余弦相似度，而Severyn A的方法则通过矩阵操作。此外，博主分享了一个GitHub链接，提供了用TensorFlow实现ABCNN的代码。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

这两天在看用CNN计算问答对相关性的论文。看到两篇论文，分别用宽卷积和窄卷积对句子进行卷积，记录一下。一篇是Severyn A, Moschitti A. Modeling Relational Information in Question-Answer Pairs with Convolutional Neural Networks[J]. 2016（论文稍微有点老），通过对问答对的句子embedding矩阵分别进行卷积，池化，得到feature然后进行二分类。示意图如下：

另一篇论文是：Yin W, Schütze H, Xiang B, et al. ABCNN: Attention-Based Convolutional Neural Network for Modeling Sentence Pairs[J]. Computer Science, 2015（这个更老一点）, 模型基本框架如下：