基于关键信息的问题相似度计算

来源：计算机研究与发展杂志2018年第7期北京时间：

作者：齐乐,张宇,刘挺,

摘要：判断问题相似是社区问答(communityquestionanswer，CQA)中很重要的一个研究方向.社区问答中的问题通常由主题和描述构成.由于社区问答的开放性，用户的提问长短不一，而问题中会包含大量干扰模型判断问题是否相似的背景信息.为了减少上述问题对计算问题相似度的影响，模型将关键词及问题主题视为问题的关键信息，并使用这些信息计算问题相似度.首先，在基于文本间相似及相异信息的CNN模型的基础上引入了关键词抽取技术.同时，为了更好地利用问题主题的信息，模型融合了问题主题相似度的特征.模型在SemEval2017评测的问题相似任务中进行了实验，其平均精度均值(meanaverageprecision，MAP)达到了49.65%，超过了评测中的最佳结果.

关键词：问题相似, 社区问答, 关键词, 问题主题, 卷积神经网络,