May, 2019
采用平滑深度度量学习的大规模问题改写检索
Large Scale Question Paraphrase Retrieval with Smoothed Deep Metric Learning
Daniele Bonadiman, Anjishnu Kumar, Arpit Mittal
TL;DR本文旨在提出一种基于神经网络句子编码器和近似 k 最近邻索引的新型 QPR 系统来理解和回答广泛应用于社区问答和开放领域口语问答系统中的稀有和嘈杂的问题再述形式,并通过远程监督从问答日志自动产生一份问题近义复述检索试验的注释数据集;在两个 QPR 数据集上的实验结果表明,相较于三元损失在嘈杂标签环境下表现不佳,我们提出的平滑深度度量损失(SDML)明显优于三元损失。