基于查询-问题相似度与 BERT 查询-答案相关性的 FAQ 检索
信息检索
2019-05-27 v2 计算与语言
摘要
常见问题（FAQ）检索是一项重要任务，其目标是根据用户查询从数据库中检索合适的问答（QA）对。我们提出一种 FAQ 检索系统，同时考虑用户查询与问题之间的相似度以及查询与答案之间的相关性。尽管 FAQ 检索的常用方法是构建标注数据用于训练，但这会产生标注成本。因此，我们使用传统的无监督信息检索系统来计算查询与问题之间的相似度。另一方面，查询与答案之间的相关性可利用 FAQ 数据库中的 QA 对进行学习。近期提出的 BERT 模型被用于相关性计算。由于 FAQ 页面中的 QA 对数量不足以训练模型，我们通过利用与所讨论 FAQ 集相似的 FAQ 集来解决该问题。我们在两个数据集上评估了我们的方法。第一个是 localgovFAQ，一个我们在日本行政市政领域构建的数据集。第二个是 StackExchange 数据集，一个公开的英文数据集。我们证明了所提方法在这些数据集上优于基线方法。
引用
@article{arxiv.1905.02851,
title = {FAQ Retrieval using Query-Question Similarity and BERT-Based Query-Answer Relevance},
author = {Wataru Sakata and Tomohide Shibata and Ribeka Tanaka and Sadao Kurohashi},
journal= {arXiv preprint arXiv:1905.02851},
year = {2019}
}
备注
Accepted in SIGIR 2019 (short paper), camera ready, 4 pages