![ab219a4667a9064e3d3e75fccb22e76f.png](https://img-blog.csdnimg.cn/img_convert/ab219a4667a9064e3d3e75fccb22e76f.png)
许多NLP任务如机器理解、响应选择等都需要序列之间的比较。序列间重要单元的匹配是解决这些问题的关键。本文提出了一种通用的比较-聚合框架,该框架采用卷积神经网络进行词级的匹配和聚合。本文特别关注可以用来匹配两个向量的不同比较函数。本文使用四个不同的数据集来评估模型。可以发现一些简单的基于元素操作的比较函数比标准神经网络和神经张量网络更有效。
原文链接:
https://arxiv.org/pdf/1611.01747.pdfarxiv.org代码:
shuohangwang/SeqMatchSeqgithub.com![44c203f6bc1313f3b6e1410f8ccf5982.png](https://img-blog.csdnimg.cn/img_convert/44c203f6bc1313f3b6e1410f8ccf5982.png)
这篇论文的方法是基于Compare-Aggregate 框架设计的,模型如下所示,其中图左为模型的结构,图右为不同的比较函数:
![e5c0862c35d1a94c774518b8f2dc7e14.png](https://img-blog.csdnimg.cn/img_convert/e5c0862c35d1a94c774518b8f2dc7e14.png)
首先将序列匹