基于注意力的成对多视角卷积神经网络用于问答中的答案选择
计算与语言
2019-11-13 v3
摘要
过去几年中，问答与信息检索系统已被广泛使用。这些系统试图从原始文本源中找出所提问题的答案。这些系统的一个组件是答案选择，其从候选答案中选出最相关的答案。以往多使用句法相似度来计算相似度，但近期工作使用深度神经网络，在该领域取得了显著改进。本研究提出一种模型，用于从候选答案中为事实型问题选择最相关的答案。所提模型利用卷积神经网络，根据与问题的语义和句法相似度对候选答案排序。在本研究中，注意力机制与稀疏特征向量利用了问题与答案句子间上下文敏感的相互作用。宽卷积提升了疑问词的重要性。成对排序用于学习可区分正负答案的可微表示。我们的模型在TrecQA Raw上表现出强劲性能，在MAP上以1.4%、在MRR上以1.1%超越先前state-of-the-art系统，同时得益于无需额外的句法解析器与外部工具。结果表明，利用问题与答案句子间的上下文敏感相互作用可帮助更准确地找到正确答案。
引用
@article{arxiv.1909.01059,
title = {Attention-based Pairwise Multi-Perspective Convolutional Neural Network for Answer Selection in Question Answering},
author = {Jamshid Mozafari and Mohammad Ali Nematbakhsh and Afsaneh Fatemi},
journal= {arXiv preprint arXiv:1909.01059},
year = {2019}
}
备注
13 pages, 11 figures, journal