基于深度交互的文本匹配模型研究

余传明，薛浩东，江一帆

（中南财经政法大学信息与安全工程学院，武汉 430073）

1 引 言

文本匹配是指将两个文本作为输入，通过理解各自的语义预测其关系类别或相关性分数[1]，作为自然语言处理的重要任务，文本匹配在信息检索和文本挖掘等领域受到了广泛关注。从应用角度来看，文本匹配可分为相关性匹配和语义匹配。相关性匹配主要应用于信息检索任务，用来评估用户查询和文档之间的相关性，并对文档进行排序[2]。语义匹配强调文本对之间本体意义上的对应，通过对文本的深度表示、理解和推理来计算语句之间的语义相似度，其实现路径包括对文本上下文进行建模、加入注意力机制和引入外部知识库等。语义匹配任务包括释义识别[3]、自然语言推理[4]和答案挑选[5]等。释义识别任务是判断两个文本是否具有相同的含义；自然语言推理是判断输入的两个句子是否存在语义蕴含关系，即能否基于前提句推理出假设句；答案挑选任务是指给定一个问题，根据问题与各个候选答案的匹配分数对所有候选答案进行排序。从输入的两个文本长度来看，文本匹配任务可分为短文本-短文本匹配、短文本-长文本匹配和长文本-长文本匹配。短文本-短文本匹配常用于计算用户检索项与网页标题的相似度[6]，短文本-长文本匹配可用于文档关键词抽取[7]，长文本-长文本匹配可应用于个性化推荐[8]。

随着应用场景的扩展，文本匹配任务对于语义理解的要求逐渐升高，传统的文本匹配模型逐渐暴露其局限性，其主要面临以下挑战：①现有的文本匹配模型在对句子进行编码时，由于长距离依赖、一词多义等问题，不能有效地表示句子的上下文信息和隐含语义信息；……