基于深度学习的问答匹配方法

来源：计算机应用杂志2017年第10期北京时间：

作者：荣光辉, 黄震华

单位：同济大学 计算机科学与技术系, 上海 201800

摘要：面向中文问答匹配任务，提出基于深度学习的问答匹配方法，以解决机器学习模型因人工构造特征而导致的特征不足和准确率偏低的问题。在该方法中，主要有三种不同的模型。首先应用组合式的循环神经网络（RNN）与卷积神经网络（CNN）模型去学习句子中的深层语义特征，并计算特征向量的相似度距离。在此模型的基础上，加入两种不同的注意力机制，根据问题构造答案的特征表示去学习问答对中细致的语义匹配关系。实验结果表明，基于组合式的深度神经网络模型的实验效果要明显优于基于特征构造的机器学习方法，而基于注意力机制的混合模型可以进一步提高匹配准确率，其结果最高在平均倒数排序（MRR）和Top-1 accuray评测指标上分别可以达到80.05%和68.73%。

关键词：问答匹配,深度学习,循环神经网络,卷积神经网络,注意力机制,机器学习

基金资助：中央高校基本科研业务费专项资金资助项目（1600219256）；上海市青年科技启明星计划项目（15QA1403900）；上海市自然科学基金资助项目（17ZR1445900）；霍英东教育基金会高等院校青年教师基金资助项目（142002）。