基于弱监督嵌入模型的开放域问答
计算与语言
2014-04-17 v1 机器学习
摘要
构建能够回答任何主题问题的计算机是人工智能长期以来的目标。最近，通过学习将问题映射到逻辑形式或数据库查询的方法取得了进展。此类方法虽然有效，但代价是需要大量人工标注数据，或者需要从业者定制词典和语法。在本文中，我们采取了一种激进的方法，即学习将问题映射为向量特征表示。通过将答案映射到同一空间，人们可以查询任何知识库而无需依赖其模式，且不需要任何语法或词典。我们的方法采用了一种新的优化过程进行训练，该过程结合了随机梯度下降，随后利用混合自动生成和协作生成资源所提供的弱监督进行微调步骤。实证表明，我们的模型能够从其噪声监督中捕捉到有意义的信号，从而相比 Paralex（唯一能在类似弱标注数据上训练的现有方法）取得了重大改进。
引用
@article{arxiv.1404.4326,
title = {Open Question Answering with Weakly Supervised Embedding Models},
author = {Antoine Bordes and Jason Weston and Nicolas Usunier},
journal= {arXiv preprint arXiv:1404.4326},
year = {2014}
}