用于文本匹配的知识增强混合神经网络
计算与语言
2016-11-16 v1
摘要
长文本因其复杂的语义和句法结构，给语义匹配带来了巨大挑战。为应对这一挑战，我们考虑利用先验知识来帮助识别有用信息并滤除噪声，以进行长文本匹配。为此，我们提出了一种知识增强混合神经网络（KEHNN）。该模型通过知识门将先验知识融入词表示，并建立了三个匹配通道：基于词的通道、基于门控循环单元（GRU）给出的句子序列结构的通道，以及基于知识增强表示的通道。这三个通道由卷积神经网络处理以生成用于匹配的高层特征，这些特征再由多层感知机合成为一个匹配分数。该模型通过在词、句子局部结构和句子全局上下文上进行匹配，扩展了现有方法。在问答和对话公开数据集上的大量实验评估结果表明，KEHNN 能显著优于当前最先进的匹配模型，尤其能提升长文本对的匹配性能。
引用
@article{arxiv.1611.04684,
title = {Knowledge Enhanced Hybrid Neural Network for Text Matching},
author = {Yu Wu and Wei Wu and Zhoujun Li and Ming Zhou},
journal= {arXiv preprint arXiv:1611.04684},
year = {2016}
}