赞
踩
简单介绍一下这篇文章。
原文传送门:https://www.aaai.org/ocs/index.php/AAAI/AAAI16/paper/download/11895/12024
论文的核心思想:把两条文本的匹配问题转化成一个相似性矩阵,再用图像的思想去理解矩阵,也就是用卷积去过矩阵,最终提取出特征做分类模型。这也是我认为论文很有价值的一点:借用图像的思想去解决nlp的问题。
核心做法:构建矩阵表示文本的相似性,使用卷积神经网络提取相似性矩阵的特征。
作者认为这样可以提取到更突出的特征,取得更好的匹配效果。
文本匹配的应用面很广泛,机器翻译/QA/释义识别/文档检索等nlp领域都有应用。给定长度为m的文本T1 = (w1,w2,...,wm) 和长度为n的文本T2 = (v1,v2,...,vn),匹配得分的计算方法为:
wi和vj分别对应两条文本中的第i个词和第j个词。是将文本映射成一个向量的函数,可以理解为把文本转化成embedding的函数&
Copyright © 2003-2013 www.wpsshop.cn 版权所有,并保留所有权利。