面向多阶段匹配的答案选择模型

摘要：

近年来,信息量成倍增长,获取有效信息的代价越来越高,答案选择技术能够为用户直接提供所需的信息,具有革命性的意义.给定问题和候选答案,答案选择任务要求从候选答案中找出与问题最相关的答案.不失一般性,候选答案根据与问题的匹配程度可以分为三种类型:不相关、相关不合理、相关且合理.然而,已有工作仅考虑问题与答案的相关性,这对于精准问答是远远不够的.为此,提出多阶段匹配模型(MSMM),模拟人的答题过程.具体的,MSMM模型分为两个阶段,第一阶段先将简单易解决的问答对分离出去,第二阶段再综合推理复杂的问答数据.每一阶段都由嵌入层、编码层、对齐层、融合层和池化层组成.此外,为了增强模型的推理能力,还引入语义角色标注信息和单词相似矩阵信息.为了便于评估,基于WikiQA和InsuranceQA数据集构造了两个答案合理性数据集.实验结果表明,对比基准方法,该模型在性能上取得一致的提升.

关键词：答案选择、问答系统、知识增强

所属期刊栏目：59

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金;国家自然科学基金;国家自然科学基金;国家自然科学基金;北京智源人工智能研究院项目;中国科学院青年创新促进会项目;中国科学院青年创新促进会项目;中国科学院青年创新促进会项目;联想-中科院联合实验室青年科学家项目;重庆市基础科学与前沿技术研究专项项目

在线出版日期：2023-02-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：158-165