M$^2$S-Net：基于多模态相似性度量学习的深度卷积网络用于答案选择
计算与语言
2018-03-19 v3
摘要
近期基于分布式词表示的人工神经网络工作极大地提升了各类自然语言处理任务的性能，尤其是答案选择问题。然而，多数先前工作仅使用深度学习方法（如 LSTM-RNN、CNN 等）分别捕捉每个句子的语义表示，而未考虑它们之间的相互依赖关系。本文提出一种新颖的端到端学习框架，其构建了基于成对词元上多模态相似性度量学习（MS-Net）的深度卷积神经网络。所提模型在答案选择基准数据集 TREC-QA 上的 MAP 和 MRR 指标均超越了以往的最先进（SOTA）系统，从而展示了其性能。
引用
@article{arxiv.1604.05519,
title = {M$^2$S-Net: Multi-Modal Similarity Metric Learning based Deep Convolutional Network for Answer Selection},
author = {Lingxun Meng and Yan Li},
journal= {arXiv preprint arXiv:1604.05519},
year = {2018}
}