语义相似度预测优于其他语义相似度度量
计算与语言
2024-01-18 v2 机器学习
摘要
自然语言文本间的语义相似度通常要么通过考察子序列间的重叠（如 BLEU）来度量，要么通过使用嵌入（如 BERTScore、S-BERT）来度量。在本文中，我们主张：当我们仅关注度量语义相似度时，更好地做法是使用针对该任务微调的模型直接预测相似度。利用 GLUE 基准中语义文本相似度基准任务（STS-B）的微调模型，我们定义了 STSScore 方法，并表明所得相似度比其他方法更符合我们对鲁棒语义相似度度量的预期。
引用
@article{arxiv.2309.12697,
title = {Semantic similarity prediction is better than other semantic similarity measures},
author = {Steffen Herbold},
journal= {arXiv preprint arXiv:2309.12697},
year = {2024}
}
备注
Accepted at TMLR: https://openreview.net/forum?id=bfsNmgN5je