CDSM：利用自适应邻居选择的文本图级联深度语义匹配
信息检索
2022-12-08 v2
摘要
深度语义匹配旨在基于深度神经网络判别文档间关系。近年来，用图结构组织文档并同时利用内在文档特征与外在邻居特征进行判别日益流行。现有工作多关注如何利用已有邻居，而在筛选合适邻居上着力有限。我们认为邻居特征可能高度噪声且部分有用。因此，缺乏有效的邻居选择不仅会带来大量不必要的计算开销，还会严重限制匹配准确率。本工作中，我们提出一种新框架——级联深度语义匹配（CDSM），用于文本图上准确且高效的语义匹配。CDSM 的两阶段工作流为其亮点。第一阶段，部署轻量级基于 CNN 的自适应邻居选择器，以较小计算成本为匹配任务筛选有用邻居。我们设计了一步与多步选择方法。第二阶段，采用高容量基于图的匹配网络，基于精选邻居计算细粒度相关性分数。值得注意的是，CDSM 是通用框架，兼容多数主流基于图的语义匹配网络。主要挑战在于选择器如何学习判别无显式标签的邻居有用性。为应对此问题，我们设计弱监督优化策略：先训练基于图的匹配网络，再基于匹配网络标注训练自适应邻居选择器。
引用
@article{arxiv.2211.17171,
title = {CDSM: Cascaded Deep Semantic Matching on Textual Graphs Leveraging Ad-hoc Neighbor Selection},
author = {Jing Yao and Zheng Liu and Junhan Yang and Zhicheng Dou and Xing Xie and Ji-Rong Wen},
journal= {arXiv preprint arXiv:2211.17171},
year = {2022}
}