基于注意力网络的远程监督电商查询分割
人工智能
2020-11-10 v1
摘要
蓬勃发展的在线电商平台需要高度准确的方法来分割承载消费者产品需求的查询。近期工作表明，监督方法尤其是基于深度学习的方法，在查询分割问题上具有吸引力，可实现更好性能。然而，标注数据的缺乏仍是训练深度分割网络的一大挑战，且未登录词（OOV）问题也 adversely 影响查询分割性能。与开放域中的查询分割任务不同，电商场景可提供与这些查询紧密相关的外部文档。因此，为应对这两大挑战，我们采用远程监督思想并设计一种新方法，在外部文档中寻找上下文并从中提取特征。本工作中，我们提出一种基于 BiLSTM-CRF 并带有注意力模块的模型来编码外部特征，从而可自然且有效地利用外部上下文信息以帮助查询分割。在两个数据集上的实验表明，与多种基线相比，我们的方法有效。
引用
@article{arxiv.2011.04166,
title = {Distant Supervision for E-commerce Query Segmentation via Attention Network},
author = {Zhao Li and Donghui Ding and Pengcheng Zou and Yu Gong and Xi Chen and Ji Zhang and Jianliang Gao and Youxi Wu and Yucong Duan},
journal= {arXiv preprint arXiv:2011.04166},
year = {2020}
}