Text Matching as Image Recognition论文笔记

简单介绍一下这篇文章。

原文传送门：https://www.aaai.org/ocs/index.php/AAAI/AAAI16/paper/download/11895/12024

论文的核心思想：把两条文本的匹配问题转化成一个相似性矩阵，再用图像的思想去理解矩阵，也就是用卷积去过矩阵，最终提取出特征做分类模型。这也是我认为论文很有价值的一点：借用图像的思想去解决nlp的问题。

论文笔记：

摘要

核心做法：构建矩阵表示文本的相似性，使用卷积神经网络提取相似性矩阵的特征。

作者认为这样可以提取到更突出的特征，取得更好的匹配效果。

Introduction

文本匹配的应用面很广泛，机器翻译／QA／释义识别／文档检索等nlp领域都有应用。给定长度为m的文本T1 = (w1,w2,...,wm) 和长度为n的文本T2 = (v1,v2,...,vn)，匹配得分的计算方法为：

wi和vj分别对应两条文本中的第i个词和第j个词。