句子embedding 从对话中学习 (第五部分)
发布时间
阅读量：
阅读量
这是《简介》系列的最终一篇内容。起初我计划撰写关于Universal Sentence Encoder的这篇文章，但考虑到诸多研究工作，包括此前介绍的几篇文章，实际上都在探索”Universal Sentence Encoder”的概念，因此没有必要单独使用这样一个名称。此外，该文本身的内容描述较为简略，相较之下，同一位作者所撰写的Learning Semantic Textual Similarity from Conversations一文则更为详尽。论文
方法
Input-Response Prediction
论文基于如下观察：在对话过程中，若两个问题的回答内容相似，则这两个问题之间的相似程度较高。例如，“How old are you”与“What is your age”所对应的回答均为“I am 20 years old”。反之，“How are you”与“How old are you”虽然在用词上存在较大相似性，但由于其回答内容不一致，因此它们的实际含义也存在差异。
该算法的核心任务是从一组候选句子中识别出与给定问题相匹配的正确回答，如下图所示：
全部评论 (0)
还没有任何评论哟~