基于增强问题重要性表示的答案选择算法研究

摘要：

针对经典的文本匹配模型在问答系统中应用的缺陷和不足,提出了一种基于增强问题重要性表示网络BIWN的答案选择算法.目前,现有的答案选择模型普遍将问题句子和答案句子直接进行匹配,忽略了问题句子和答案句子中的噪声词对匹配的影响.针对这个问题,首先,利用自注意力机制修改问题句子中各个词的权重,生成"干净"的问题句子向量;然后,利用词级交互矩阵捕捉问题句子和答案句子之间的细粒度语义信息,从而有效地弱化了噪声词对正确答案的影响;最后,利用多窗口CNN提取特征信息得到预测结果.基准数据集上的对比实验表明,BIWN 模型在答案选择任务的性能优于主流的答案选择算法,MAP值和MRR值提升了约0.7％～6.1％.

关键词：答案选择、问题表示、自注意力机制、词级矩阵

所属期刊栏目：57

分类号：TP391(计算技术、计算机技术)

资助基金：2018年四川省新一代人工智能重大专项2018GZDZX0039

在线出版日期：2020-03-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：66-72