• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文会议>3rd workshop on representation learning for NLP 2018 >Learning Semantic Textual Similarity from Conversations
【24h】

Learning Semantic Textual Similarity from Conversations

机译：从会话中学习语义文本相似性

获取原文
获取原文并翻译 | 示例
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

We present a novel approach to learn representations for sentence-level semantic similarity using conversational data. Our method trains an unsupervised model to predict conversational responses. The resulting sentence embeddings perform well on the Semantic Textual Similarity (STS) Benchmark and SemEval 2017's Community Question Answering (CQA) question similarity subtask. Performance is further improved by introducing multitask training, combining conversational response prediction and natural language inference. Extensive experiments show the proposed model achieves the best performance among all neural models on the STS Benchmark and is competitive with the state-of-the-art feature engineered and mixed systems for both tasks.
机译：我们提出一种新颖的方法来学习使用会话数据的句子级语义相似性的表示形式。我们的方法训练一种无监督的模型来预测会话响应。最终的句子嵌入在语义文本相似性（STS）基准和SemEval 2017的社区问题回答（CQA）问题相似性子任务中表现良好。通过引入多任务训练，结合会话响应预测和自然语言推理，可以进一步提高性能。广泛的实验表明，在STS Benchmark上，所提出的模型在所有神经模型中均能达到最佳性能，并且与最新的特征工程和混合系统在这两个任务上均具有竞争力。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号