科研之友
微信
新浪微博
Facebook
分享链接
摘要
开放域答案选择模型通过对同一问题的不同候选答案打分，寻找与问题最匹配的答案，是问答（QA）系统的重要组成部分。现有开放域QA系统中的答案选择模型较少关注词级与句子级的融合，导致在匹配关系上缺乏上下文的语义联系，或损失个别单词在语法语义上的细节信息。基于相邻相似原理，提出一种融合双匹配焦点的答案选择模型。根据问答任务多语句关联的特点，设计一种可以将词语的问答承接关系和问答语义关系嵌入进词向量的词嵌入方式，并利用该词向量直接计算词对的余弦相似度，得到词级匹配焦点。通过引入注意力机制的Encoder-Decoder模型提取句子级词对匹配焦点，以问题为基准对齐两个焦点分布矩阵，并使用焦点间的相对距离融合词级与句子级匹配矩阵，获得问题与答案的相关性得分。在Wiki-QA、TREC-QA两个公开问答数据集上的实验结果表明，该模型与多跳注意力模型、层级排序模型相比，平均准确率均值分别提高0.080 1和0.057 1，平均倒数排名分别提高0.017 6和0.006 6。
- 单位
