StructCoh：面向上下文感知文本语义匹配的结构化对比学习

文本语义匹配需要对结构关系和细粒度语义差异进行细致理解。虽然预训练语言模型在捕获 token 级互动方面表现出色，但往往忽略层次化结构模式，难以处理细微语义判别。在本文中，我们提出了 StructCoh，一种基于图增强的对比学习框架，协同实现结构推理与表示空间优化。该方法的两个关键创新点:(1) 双图编码器通过依存语法分析和主题建模构建语义图，然后运用图同构网络在句法依赖和跨文档概念节点之间传递结构特征。(2) 分层对比目标在多个细粒度层级上强制一致性：节点级对比正则化保留核心语义单元，而图感知对比学习通过显式和隐式负采样策略实现跨文档结构语义对齐。在三个法律文档匹配基准和学术论文抄袭检测数据集上进行实验，结果显示显著优于最新方法。值得注意的是，StructCoh 在法律条文匹配中实现了 86.7% 的 F1 分数（提升 6.2% 绝对值），通过有效识别论证结构相似性实现了这一成绩。