系统工程与电子技术 ›› 2018, Vol. 40 ›› Issue (6): 1398-1404.doi: 10.3969/j.issn.1001-506X.2018.06.30
陈柯锦1,2,3, 侯俊安4, 郭智1,3, 梁霄1,3
CHEN Kejin1,2,3, HOU Junan4, GUO Zhi1,3, LIANG Xiao1,3
摘要: 答案选择的主要任务是对问答系统中问题的候选答案排序,当前主流的方法是基于表示学习方法,通过神经网络对问题和答案进行向量表示,然后根据向量相似度对候选答案排序,该类方法忽略了问题和答案的局部关联性。针对这一问题,提出了一种基于多尺度相似度特征的深度学习模型。该模型采取传统的深度学习模型分别提取问题和答案的特征,然后计算各个尺度下的特征相似度得到问答的相似度矩阵,最后采取三种不同的相似度特征学习模型对相似度矩阵学习得到联合相似度。在公开数据集WebQA上进行实验验证,实验结果表明将相似度特征学习方法引入传统深度学习模型获得了较为明显的提升。