基于深度神经网络的社区问答多任务学习
计算与语言
2017-02-14 v1
摘要
在本文中，我们开发了一个深度神经网络 (DNN)，其学习同时解决由 SemEval-2016 Task 3 提出的 cQA 挑战的三项任务，即问题-评论相似度、问题-问题相似度和新问题-评论相似度。最后一项是主要任务，它可利用前两项以获得更好的结果。我们的 DNN 在所有三个 cQA 任务上联合训练，并学习将问题和评论编码为跨多个任务共享的单一向量表示。在官方挑战测试集上的结果表明，我们的方法比单独的神经网络产生更高的准确率和更快的收敛速度。此外，我们的方法不使用任何人工特征工程，却接近了重度使用人工特征工程的方法所确立的最先进水平。
引用
@article{arxiv.1702.03706,
title = {Multitask Learning with Deep Neural Networks for Community Question Answering},
author = {Daniele Bonadiman and Antonio Uva and Alessandro Moschitti},
journal= {arXiv preprint arXiv:1702.03706},
year = {2017}
}