纯干货！2020年 WSDM Cup 大赛金牌参赛方案分享与解读

近日，在美国休斯敦闭幕的第13届网络搜索与数据挖掘国际会议（WSDM 2020）上，华为云语音语义创新Lab带领来自华南理工大学、华中科技大学、江南大学、武汉大学学生组成的联合团队，摘得WSDM Cup 2020大赛“论文引用意图识别任务”金牌（Gold Medal）。

WSDM被誉为全球信息检索领域最有影响力也最权威的会议之一，会议关注社交网络上的搜索与数据挖掘，尤其关注搜索与数据挖掘模型、算法设计与分析、产业应用和提升准确性与效果的实验分析。今年已经是WSDM的第十三届会议。
本文将详细介绍本次获奖的解决方案。

1、背景

几个世纪以来，社会技术进步的关键在于科学家之间坦诚的学术交流。新发现和新理论在已发表的文章中公开分发和讨论，有影响力的贡献则通常被研究界以引文的形式认可。然而，随着科研经费申请竞争日趋激烈，越来越多的人把学术研究当成一种资源争夺的手段，而不是单纯为了推动知识进步。部分期刊作者“被迫”在特定期刊中引用相关文章，以提高期刊的影响因子，而论文审稿人也只能增加期刊的引用次数或h指数。这些行为是对科学家和技术人员所要求的最高诚信的冒犯，如果放任这种情况发展，可能会破坏公众的信任并阻碍科学技术的未来发展。因此，本次WSDM Cup 2020赛题之一将重点放在识别作者的引文意图：要求参赛者开发一种系统，该系统可以识别学术文章中给定段落的引文意图并检索相关内容。
华为云语音语义创新Lab在自然语言处理领域有着全栈的技术积累，包括自然语言处理基础中的分词、句法解析，自然语言理解中的情感分析、文本分类、语义匹配，自然语言生成，对话机器人，知识图谱等领域。其中和本次比赛最相关的技术是语义匹配技术。Xiong团队通过对赛题任务进行分析，针对该问题制定了一种“整体召回+重排+集成”的方案，该方案以轻量化的文本相似度计算方法（如BM25等）对文章进行召回，然后基于深度学习的预训练语言模型BERT等进行重排，最后通过模型融合进行集成。

2、赛题介绍

本次比赛将提供一个论文库（约含80万篇论文），同时提供对论文的描述段落，来自论文中对同类研究的介绍。参赛选手需要为描述段落匹配三篇最相关的论文。
例子：
描述：
An efficient implementation ba