- COM3D: 跨视图对应和跨模态挖掘在 3D 检索中的应用
研究中提出了 COM3D 方法,利用跨视图对应和跨模态挖掘来增强检索性能,并通过半硬负样本挖掘优化跨模态匹配过程,取得了 Text2Shape 数据集上最优的结果。
- 规模化溯源:对话式学习方法链接公众评论与监管机构回应
美国联邦监管机构每年收到来自企业、利益团体和公众的超过一百万封评论信,所有这些信件都主张对拟议法规进行修改。本文提出了一种简单而有效的解决方案,通过使用迭代对比方法训练神经模型,旨在将公众评论的文本与监管机构编写的回复进行匹配,以衡量特定评 - 文本匹配通过减少流行偏见,改善顺序推荐
该研究提出了一种基于文本匹配的顺序推荐模型(TASTE),通过将物品和用户映射到一个嵌入空间,并采用匹配文本表示来推荐物品。TASTE 通过使用物品的标识符和属性来表达物品和用户 - 物品交互,提出了一个关注稀疏性方法,通过减少编码过程中的 - KETM:一种知识增强的文本匹配方法
文本匹配是将两段文本进行匹配并确定它们之间的关系的任务,本文提出了一种名为知识增强文本匹配模型(KETM)的新模型,通过从外部知识源中丰富上下文表示来增强模型的理解和推理能力。实验证实了我们的模型在四个数据集上表现良好,并且与不添加外部知识 - 随机文本扰动的效果有时有效
探究数据增广方法在 NLP 中的效果和可泛化性,通过三个二进制文本匹配分类任务的大规模实验发现,随机文本扰动作为数据增广能给神经分类模型的测试集性能带来正面和负面的影响,具体取决于模型是否足够训练原始训练例子,但这与是否同时或分别应用五个随 - 通过提示学习提高神经文本匹配的多任务泛化能力
本论文提出了一种特化 - 泛化训练策略 Match-Prompt,旨在帮助模型在不同的文本匹配任务中学习到本质的匹配信号,从而改善 Pre-trained Language Models 的多任务泛化能力和适应性。实验结果表明,Match- - EMNLP通过虚拟交互提高基于表示的文本匹配模型的性能
该研究提出了一种基于注意力编码和相互作用机制的虚拟交互机制(VIRT)进行文本匹配,并证明该方法在多个文本匹配数据集上优于现有的表征模型。
- EMNLP不对称领域文本匹配的 Wasserstein 距离正则化序列表示
本文提出了一种名为 WD-Match 的新型文本匹配方法,该方法使用 Wasserstein 距离作为其正则化器来解决不对称领域中特征向量不可区分的问题,并在四个公开基准测试上实验得到了优异的效果。
- ACL理性文本匹配:通过最优传输学习稀疏对齐
使用最优传输方法对文本匹配进行有选择的说明性解释,结果产生高度稀疏的对齐,并具有与强注意力基线模型相当的预测准确度。
- ACL使用更丰富的对齐特征进行简单而有效的文本匹配
本研究提出了一种快速、强劲的神经方法来进行通用文本匹配应用,通过保留原始点对特征、前一对齐特征和上下文特征三个关键特征,并简化其他所有组件,该模型在自然语言推理、释义识别和答案选择等任务上的性能与最先进技术相当,在参数更少的情况下,推理速度 - MatchZoo:神经文本匹配的学习、实践与开发系统
MatchZoo 是一个帮助研究人员系统学习、训练和设计最新的基于神经网络的文本匹配模型的工具,通过强大的匹配库和用户友好的交互式工作室简化了数据处理、参数配置、优化技巧等复杂步骤,提供了丰富的 API 和辅助功能来开发个性化的文本匹配模型 - 基于隐含主题的不同长度文本的相似度比较
本文提出一种文档匹配方法以测量文本相似度,通过将文本在隐藏主题的公共空间中进行比较来弥补长度不可比的文档对之间的词汇、语境和抽象差距,并通过两个匹配任务评估匹配算法并发现它始终广泛优于强基线,揭示了将领域知识纳入文本匹配的好处。
- 文本匹配:匹配文档方法的实验评估和匹配质量度量
本文提出了一个将文本数据匹配到更高、更有比较性的结果中去的框架,并成功开发出一个预估模型可以精确预估最佳匹配结果的数值,以此提高了在媒体偏见和医学干预研究中使用文本匹配以改进因果推断的准确性。
- AAAI文本序列匹配的解卷积潜变量模型
本文介绍一种潜变量模型,用于文本匹配,通过联合优化生成目标和判别目标来推断句子表示,采用反卷积网络作为序列解码器以缓解潜变量模型中的典型优化挑战,提供更多语义信息和更好的泛化性能;在无监督方式下训练的模型比基于 LSTM 的解码器具有更强的 - SIGIRMatchZoo: 一个用于深度文本匹配的工具包
该文介绍了 MatchZoo 工具包,它旨在促进设计、比较和分享深度文本匹配模型,以及实现了两种代表性的深度文本匹配模型:基于表示和基于交互,用户可以轻松修改、创建和分享自己的文本匹配模型。
- SIGIR关于 Ad-hoc 检索中 MatchPyramid 模型的研究
研究了深度匹配模型 MatchPyramid 在文本检索任务上的应用,并评估了不同池化大小、交互函数和内核大小对检索性能的影响,结果表明 MatchPyramid 模型可以在检索任务中明显优于几种深度匹配模型,但仍无法与传统的 BM25 和 - AAAI文本匹配作为图像识别
本研究提出了一种将文本匹配建模为图像识别问题的方法,即通过构造匹配矩阵并利用卷积神经网络捕捉匹配模式,以此提高匹配准确度,并通过实验证明了该方法的优越性。