Question Condensing Networks for Answer Selection in Community Question Answering读书笔记

发表于ACL2018

解决的问题：

    Community question answering（CQA）中没有区分问题标题和描述内容，没有区分答案和问题中的噪音信息

 

采用的方法：

    首先对所有单词采用Glove(fine-tune)+Char-level CNN得到词向量。

    然后对于问题标题和内容的词向量，两两计算“相似度”，计算方法如下：

        1.根据问题标题的向量，对内容向量做正交分解。这是为了对于问题相似与不同部分分别建模，分别表示重复信息和补充信息（或者噪音？）

        2.分解后的向量分别通过全连接网络得到attention向量，再归一化得到权重向量，加权求和。注意这里使用multi-dimentional attention，即每个向量的权重是个等长的向量，用element-wise乘积。

        3.用门机制合并各部分的信息

    对于答案，用门机制+非线性变换投影到问题表征空间，用交叉注意力和问题互相表征，最后拼接输出预测

 

notes：

    web 语言不规范，用glove（fine-tune）和char-level CNN更合适

    正交分解，建模相似和不同信息

    multi-dimentional attention