超级会员免费看
该研究针对低资源社区问答论坛中的重复问题检测，提出了一种名为MV-DASE的多视图领域适应句子嵌入框架。MV-DASE利用通用和领域特异性嵌入，结合GCCA集成sentence encoders，以提高无监督场景下的性能。在Stack Exchange数据集上，MV-DASE优于BM25、单视图系统和监督领域的对抗性方法。此外，它还在SemEval-2017 3B和无监督STS任务上表现出色。
Abstract
- 在低资源情况下解决特定领域社区问答论坛中的 Duplicate Question Detection (DQD) 问题
- 提出 multi-view framework MV-DASE
- 通过 Generalized Canonical Correlation Analysis 对 sentence encoders 进行集成
- generic and domain-specific averaged word embeddings
- domain-finetuned BERT
- Universal Sentence Encoder
- 仅使用无标注数据
- 通过 Generalized Canonical Correlation Analysis 对 sentence encoders 进行集成
- 评估数据集：
- CQADupStack
- low-resource Stack Exchange forums
- 通过结合不同 encoder 的优势，超过以下 baseline
- BM25
- single-view systems
订阅专栏 解锁全文
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
