结合基于图的依赖特征与卷积神经网络用于答案触发
人工智能
2018-08-07 v1 机器学习
摘要
答案触发是从一组候选答案中（若存在）为给定问题选取最合适答案的任务。本文提出一种用于答案触发的混合深度学习模型，该模型将若干基于依赖图的对齐特征，即图编辑距离、基于图的相似度与依赖图覆盖度，与来自卷积神经网络（CNN）的稠密向量嵌入相结合。我们在 WikiQA 数据集上的实验表明，与先前最先进的模型相比，这种组合能更准确地触发候选答案。在 WikiQA 数据集上的对比研究显示了在问题层面上 5.86% 的绝对 F 值提升。
引用
@article{arxiv.1808.01650,
title = {Combining Graph-based Dependency Features with Convolutional Neural Network for Answer Triggering},
author = {Deepak Gupta and Sarah Kohail and Pushpak Bhattacharyya},
journal= {arXiv preprint arXiv:1808.01650},
year = {2018}
}
备注
19th International Conference on Computational Linguistics and Intelligent Text Processing (CICLing 2018)