工单系统中用于非对称文本相似度学习与检索的复制孪生 LSTM
信息检索
2018-07-10 v1 计算与语言
机器学习
摘要
我们的工业工单系统目标是通过与知识库中存储的历史工单匹配，为输入查询检索相关解决方案。查询由主题与描述组成，而历史工单包含主题、描述与解决方案。为检索相关解决方案，我们采用文本相似度范式来学习查询与历史工单间的相似度。该任务具有挑战性，因为查询与工单对长度非对称且术语严重不匹配，其中主题为短文本而描述与解决方案为多句文本。我们提出一种新颖的复制孪生 LSTM 模型来学习非对称文本对中的相似度，在检索任务上相较无监督与有监督基线分别获得 22% 与 7% 的增益（Accuracy@10）。我们还展示了短文本与长文本的主题与分布式语义特征改善了相似度学习与检索。
引用
@article{arxiv.1807.02854,
title = {Replicated Siamese LSTM in Ticketing System for Similarity Learning and Retrieval in Asymmetric Texts},
author = {Pankaj Gupta and Bernt Andrassy and Hinrich Schütze},
journal= {arXiv preprint arXiv:1807.02854},
year = {2018}
}
备注
In the 27th International Conference on Computational Linguistics (COLING 2018) workshop on Semantic Deep Learning (SemDeep-3)