Match$^2$:一种用于相似问题识别的匹配之上匹配模型
信息检索
2020-06-23 v1 计算与语言
摘要
社区问答(CQA)已成为人们获取知识的主要途径,人们可自由提问或作答。为提升服务效率,相似问题识别成为CQA中的核心任务,旨在每当有新问题时从存档库中找出相似问题。然而,由于自然语言的固有变异性,即同一问题可能有不同表述或不同问题共享相似表达,恰当度量两问题间相似性长期存在挑战。为缓解此问题,引入已有答案以丰富存档问题是自然的。传统方法通常采用单侧使用,将答案作为对应问题的某种扩展表示。遗憾的是,这可能将意外噪声引入相似性计算,因为答案通常冗长且多样,导致性能不佳。本工作中,我们提出双侧使用,将答案作为两问题间的桥梁。核心思想基于我们的观察:相似问题可由答案的相似部分解答,而不同问题则未必。换言之,我们可以比较两问题在同一答案上的匹配模式来度量其相似性。由此,我们提出一种新颖的匹配之上匹配模型,即Match,其通过比较两个问答对之间的匹配模式来进行相似问题识别。在两个基准数据集上的实证实验表明,我们的模型在相似问题识别任务上显著优于先前最先进的方法。
引用
@article{arxiv.2006.11719,
title = {Match$^2$: A Matching over Matching Model for Similar Question Identification},
author = {Zizhen Wang and Yixing Fan and Jiafeng Guo and Liu Yang and Ruqing Zhang and Yanyan Lan and Xueqi Cheng and Hui Jiang and Xiaozhao Wang},
journal= {arXiv preprint arXiv:2006.11719},
year = {2020}
}
备注
Accepted by SIGIR 2020. 10 pages