用于文本相似度图的基于查询注意力CNN
人工智能
2017-10-19 v2 计算与语言
摘要
本文引入用于文本相似度图的基于查询注意力CNN（QACNN），这是一种用于问答的端到端神经网络。该网络由比较机制、带注意力机制的二阶段CNN架构和预测层组成。首先，比较机制在给定的段落、查询和多个答案选项之间进行比较以构建相似度图。然后，二阶段CNN架构通过词级和句级提取特征。同时，注意力机制帮助CNN基于查询信息更聚焦于段落的重要部分。最后，预测层找出最可能的答案选项。我们在仅使用剧情简介的MovieQA数据集上进行了模型测试，取得了79.99%的准确率，为该数据集上的最先进水平（state of the art）。
引用
@article{arxiv.1709.05036,
title = {Query-based Attention CNN for Text Similarity Map},
author = {Tzu-Chien Liu and Yu-Hsueh Wu and Hung-Yi Lee},
journal= {arXiv preprint arXiv:1709.05036},
year = {2017}
}