基于简单注意力的短社交媒体帖子排序表示学习
计算与语言
2019-09-04 v2
摘要
本文探讨使用神经网络针对用户查询对短社交媒体帖子排序的问题。我们不是从复杂架构入手，而是自下而上地考察一个简单的词级 Siamese 架构辅以基于注意力的机制以捕获查询与帖子词元之间的语义“软”匹配的有效性。在 TREC Microblog Tracks 数据集上的大量实验表明，我们的简单模型不仅比远为复杂或利用更多样相关性信号的现有方法取得更好的效果，而且速度快得多。我们的 samCNN（基于简单注意力的匹配 CNN）模型的实现已与社区共享以支持未来工作。
引用
@article{arxiv.1811.01013,
title = {Simple Attention-Based Representation Learning for Ranking Short Social Media Posts},
author = {Peng Shi and Jinfeng Rao and Jimmy Lin},
journal= {arXiv preprint arXiv:1811.01013},
year = {2019}
}
备注
Published in the Proceedings of the 2019 Conference of the North American Chapter of the Association for Computational Linguistics: Human Language Technologies, Volume 1 (Long and Short Papers)