卷积神经网络：面向开放域问答系统的文本分类模型

近来机器学习正被应用于几乎每一个数据领域，其中之一便是问答系统（QAS）。一个典型的问答系统实为一种信息检索系统，其匹配文档或文本并检索最准确者。本文提出的开放域问答系统思想涉及卷积神经网络文本分类器。本文所呈现的分类模型为多类文本分类器。该神经网络分类器可在大规模数据集上训练。我们报告了在卷积神经网络（CNN）上通过使用两个不同数据集训练所进行的一系列实验。神经网络模型训练于词嵌入之上。应用 softmax 层以计算损失并映射语义相关词。所得结果有助于佐证所提假设性 QAS 之可行性。我们进一步提出了一种将卷积神经网络分类器集成至开放域问答系统的方法。开放域之思想将予进一步阐释，但其一般性指向领域特定可训练模型之系统，从而使之成为开放域。