融合多粒度信息与外部知识的短文本匹配模型
来源：计算机工程杂志2022年第8期北京时间：
作者：梁登玉, 刘大明
单位：上海电力大学 计算机科学与技术学院, 上海 200090
摘要：中文短文本通常使用单词序列而非字符序列进行语义匹配，以获得更好的语义匹配性能。然而，中文分词可能是错误或模糊的，容易引入噪声或者错误传播，从而损害模型的匹配性能。此外，多数中文词汇具有一词多义的特点，短文本由于缺少上下文环境，相比一词多义的长文本更难理解，这对于模型正确捕获语义信息是一个更大的挑战。提出一种短文本匹配模型，使用词格长短期记忆网络（Lattice LSTM）融合字符和字符序列的多粒度信息。引入外部知识HowNet解决多义词的问题，使用软注意力机制获取2个句子间的交互信息，并利用均值池化和最大池化算法进一步提取句子的特征信息，获取句子级语义编码表示。在数据集LCQMC和BQ上的实验结果表明，与ESIM、BIMPM和Lattice-CNN模型相比，该模型能有效提升中文短文本语义匹配的准确率。
关键词：短文本语义匹配,词格长短期记忆网络,多粒度信息,外部知识,软注意力机制
基金资助：甘肃省自然科学基金（SKLLDJ032016021）。
