基于语料的释义检测实验与综述

释义检测对许多应用十分重要，包括剽窃检测、作者归属、问答、文本摘要、广义文本挖掘等。本文中，我们给出各类基于语料的模型（尤其是深度学习（DL）模型）在释义检测任务上的性能概览。我们报告了八个模型（LSI、TF-IDF、Word2Vec、Doc2Vec、GloVe、FastText、ELMO和USE）在三个不同公开可用语料上的评估结果：Microsoft Research Paraphrase Corpus、Clough and Stevenson以及Webis Crowd Paraphrase Corpus 2011。通过大量实验，我们确定了最合适的文本预处理方法：超参数、子模型选择（如存在，例如Skipgram与CBOW）、距离度量以及语义相似度/释义检测阈值。我们的发现及其他使用深度学习模型的研究人员的研究表明，DL模型与传统最先进方法极具竞争力，并具有应进一步开发的潜力。