文本匹配_[论文] MIX：用于文本匹配的多通道信息交互方法

论文

• MIX: Multi-Channel Information Crossing for Text Matching

1. 概述

（1）MIX基于不同的粒度比较了文本片段，得到了一系列的多通道相似度矩阵，然后和一些精心设计的attention矩阵进行交叉，得到丰富的句子结构信息。

（2）MIX的基本思想总结为：

• MIX使用提取的多粒度特征，包括terms，phrases，syntax和semantics，term frequency和weights，甚至是语法信息，来表征文本片段。根据实验的结果来看，这些信息对于充分理解文章来说是至关重要的。
• MIX也提出了一种融合多通道信息生成匹配结果的新的融合技术。MIX中有两种类型的channel，一种是semantic信息通道，表示想unigrams，bigrams以及trigrams中的文本信息；第二种是像term weights，Part-of-Speech，Named Entities以及交互矩阵的空间相关度这样的，structure信息。

（3）在MIX中，semantic信息通道实现相似度匹配，structural信息通道作为attention矩阵。同时，MIX使用3D的CNN处理这些channel的堆叠矩阵。

2. 模型

（1）本文将两个句子见得匹配定义为global matching，将语句中文本要素的匹配定义为local matching。M