匹配-语义相似度计算
文章平均质量分 92
匹配-语义相似度计算
nopSled
一周一更
展开
-
CASE: Context-Aware Semantic Expansion翻译
您是否曾经搜索过“Lionel Messi championships”以浏览其搜索结果,并想要更多的冠军足球明星?您是否曾经想知道大麦草中富含的营养类型,但只能记住氨基酸?在本文中,我们研究context-aware semantic expansion(或简称为CASE)。在CASE中,如果用户提供一个包含在句子上下文中的seed项,如图1所示。系统将返回一个扩展项列表,该列表中的每一项都是seed的替代,即,在一个测试语料中该替代项出现在一些句子中。...翻译 2022-09-01 10:52:51 · 209 阅读 · 0 评论 -
Divide and Conquer: Text Semantic Matching with Disentangled Keywords and Intents翻译
文本语义匹配是一项基本任务,已在各种场景下被广泛使用,例如社区问答,信息检索和推荐。大多数优秀的匹配模型,例如,BERT,通过统一处理每个单词来直接执行文本比较。但是,一个待查询的句子通常包含需要采用不同匹配粒度的内容。具体而言,keywords代表了需要严格匹配的事实信息,例如动作,实体和事件,而intents传达了可以解释为各种表达的抽象概念和思想。在这项工作中,我们提出了一种简单而有效的训练策略,以通过将keywords与intents解开,以一种分而治之的方式进行文本语义匹配。我们的方法可以轻松地与翻译 2022-06-28 13:54:47 · 661 阅读 · 0 评论 -
A Deep Architecture for Semantic Matching with Multiple Positional Sentence Representations翻译
摘要匹配自然语言句子对于许多应用(例如信息检索和问答)至关重要。现有的深度模型依赖于单个句子表示或多个粒度表示进行匹配。但是,这种方法无法在匹配过程中很好地捕获上下文相关的局部信息。为了解决这个问题,我们提出了一种新的深度架构,以匹配两个具有多个位置表示形式的句子。具体地,每个位置句子表示是在该位置的句子表示,由双向长短期记忆(Bi-LSTM)生成。最终,通过k-Max池化和多层感知器变换,通过...翻译 2019-12-12 10:12:14 · 767 阅读 · 0 评论 -
ABCNN: Attention-Based Convolutional Neural Network for Modeling Sentence Pairs翻译
github:https://github.com/yinwenpeng/Answer_Selection。摘要如何对一个句子对进行建模是许多NLP任务中的关键问题,例如答案选择(AS),复述识别(PI)和文本蕴涵(TE)。大多数先前的工作通过如下方法来解决问题:(1)通过微调特定系统来处理一项单独的任务; (2)分别对每个句子的表示进行建模,很少考虑另一句话的影响;(3)完全依赖人为设计的,...翻译 2019-07-14 21:13:15 · 1391 阅读 · 0 评论 -
DSSM|基于Transformer的语义相似度计算模型DSSM及代码开源
github:https://github.com/makeplanetoheaven/NlpModel/tree/master/SimNet/TransformerDSSM背景知识由基于知识图谱问答(KBQA)—语义依存分析及代码开源可知,一个完整的问答系统处理流程只要分为三个部分:1.解析;2.匹配;3.生成。解析(NLU)模块的处理方式在文中已大概说明了,接下来对匹配部分所用方法进行简单...原创 2019-08-28 09:13:39 · 11689 阅读 · 14 评论