Match2: A matching over Matching Model for Similar Question Identification

任务背景:社区问答中,识别用户相似的问题。主要应用在两个产品中。1是,当用户提问时,需要一段时间后,才会有反馈。此时,可以给用户推荐相似问题的已有答案。2是,需要减少相似的问题,降低索引库中内容的冗余。

背景特点:用户的问题,表达上相对比较丰富。导致,如果仅通过问题的文本(短)来计算相似度进行判断。可能出现,1是,两个短文本,可能相同的关键词很多,但不是同一个语义。2是,两个短文本从字面来看,可能相同的词不多,但是是同一个语义。而相似的问题,回答通常是相似度(仅限回答问题的一段,并非全部的回答)。因此,可以引入长文本,辅助进行相似度的判断。

                (备注:类似于,在搜索场景中,1. 两个短文本是“婴儿脐疝日常护理注意事项有哪些”和“婴儿脐疝日常应该怎么处理”,“月经前xxxx”和“月经后xxxx”。相似的关键词很多,但并不同义。2.长尾表达:两个短文本分别是 “缺钾是验血还是验尿”和“缺钾做什么检查能查出来”,很难捕捉到是同一个语义。3. “一岁宝宝发烧了怎么办” vs "两岁宝宝发烧了怎么办" vs "十岁宝宝发烧了怎么办" 。相似度均不相同。)

需要引入长文本的什么信息:答案中,与问题相关的那部分表达。或者如文中说,问题与答案的匹配模式。

长文本引入的问题:用户的回答,可能与问题完全不相关。也可能包含了很多冗余的内容。如果以one-side方式引入,即分别短文本相似度和长文本相似度,而不发生交互,可能会带来很多噪音。因此,需要two-side的方式。即,短文本要与长文本发生交互。

论文解法:宗旨,1要,保留短文本相似度(query1 vs query2)的计算。2要,融合短文本与长文本的计算,得到匹配模式(query vs answer)。3要, 提取“两对儿短长文本的匹配模式的相似度信息”。4要,融合短文本相似度 与 两对儿短长文本的匹配模式的相似度信息 。得到最终的结果。

模型上

    1. 短文本相似度计算(和通常的做法相同,不赘述)

        输入:以两个querstion为输入。[CLS][t11][t12][t1...][t1n][SEP][t21][t22][t2...][t2m][SEP]

        模型:Bert模型

        输出:[CLS]向量

    2. 在同一个answer的前提下,对比两个question与answer匹配模型的差别

        1)匹配模式提取层

            输入:两个question ,与同一个answer拼接,做为输入。

           模型: 双塔结构,分别为一个Bert模型。(与1中的BERT不共享参数)

            输出:question和answer,分别的序列特征。

            匹配模型:对Bert的每一层,分别提取question和answer的向量,做乘法。最终,将各层计算的相似度拼接到一起。(乘法代表什么???代表计算的匹配模型?)

        2)模式相似度层:对1)中的输出进行对比,得到两种模式的相似度tensor。

               分别计算tensor-wise 和element-wise两种方式下的匹配模型相似度。

                而相似度的衡量,有多种计算方式,如乘法、cosine、L1距离、L2距离、Jesene-Shannon。作者分别进行了实验。

        3)压缩层:压缩模式相似度tensor

               两层带有H-滤波器的 BN-ReLU-Conv层 ,最后做average global pooling。(H filters??)

    3. 融合 

        融合两部分信息,并门控机制,使得以短文本相似度为主,以模式相关性为辅。

训练上

    以多任务,端到端的方式进行训练。

    question-answer的bert模型未经过训练,需要额外的标签来支撑。因此,在训练中,对于已经在库中的question-answer,默认标签为1。而对于待检索的question,认为与它的相似querstion的回答为相关回答,标签为1。

    最终,整体的loss由三部分构成。其中,通过 r来控制各个任务的重要程度。

最终loss

       训练数据中,少量answer与query是不相关的。当answer与两个query都不相关时,则置r为0,不计算,因query与answer不相关,而给最终的相似度带来不利的影响,所引起的loss变化。

实验

    除了对比base模型,作者对本模型的三个大模块进行了修改,来验证各个模块的作用。并且给出了不同的case下的表现对比。也对两种计算similarity进行了可视化,去观察模型的不同表现。

©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 216,544评论 6 501
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 92,430评论 3 392
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 162,764评论 0 353
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 58,193评论 1 292
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 67,216评论 6 388
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 51,182评论 1 299
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 40,063评论 3 418
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 38,917评论 0 274
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 45,329评论 1 310
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 37,543评论 2 332
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 39,722评论 1 348
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 35,425评论 5 343
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 41,019评论 3 326
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 31,671评论 0 22
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,825评论 1 269
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 47,729评论 2 368
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 44,614评论 2 353

推荐阅读更多精彩内容