结合自监督学习的多任务文本语义匹配方法OA北大核心CSTPCD
Multi-task Semantic Matching with Self-supervised Learning
基于文本交互信息对文本语义匹配模型的重要性,提出一种结合序列生成任务的自监督学习方法.该方法利用自监督模型提取的文本数据对的交互信息,以特征增强的方式辅助基于神经网络的语义匹配模型,构建多任务的文本匹配模型.9个模型的实验结果表明,加入自监督学习模块后,原始模型的效果都有不同程度的提升,表明所提方法可以有效地改进深度文本语义匹配模型.
陈源;丘心颖
广东外语外贸大学信息科学与技术学院, 广州 510006广东外语外贸大学信息科学与技术学院, 广州 510006
自监督学习文本语义匹配多任务学习
《北京大学学报（自然科学版）》 2022 (1)
83-90,8
国家社会科学基金(17BGL068)和广东省自然科学基金(2018A030313777)资助
评论