
摘要
在本文中,我们提出了一种用于多轮响应选择任务的交互匹配网络(Interactive Matching Network, IMN)。首先,IMN 从三个方面构建词表示,以应对词汇表外(Out-of-Vocabulary, OOV)词的挑战。其次,设计了一种具有分层编码能力并能通过注意力机制生成更具描述性的表示的注意分层递归编码器(Attentive Hierarchical Recurrent Encoder, AHRE)。最后,计算了整个多轮上下文与响应候选之间的双向交互,以提取它们之间的匹配信息。在四个公开数据集上的实验表明,IMN 在所有指标上均优于基线模型,达到了新的最先进性能,并展示了跨领域的多轮响应选择兼容性。
代码仓库
JasonForJoy/IMN
官方
tf
GitHub 中提及
基准测试
| 基准 | 方法 | 指标 |
|---|---|---|
| conversational-response-selection-on-douban-1 | IMN | MAP: 0.570 MRR: 0.615 P@1: 0.433 R10@1: 0.262 R10@2: 0.452 R10@5: 0.789 |
| conversational-response-selection-on-e | IMN | R10@1: 0.621 R10@2: 0.797 R10@5: 0.964 |
| conversational-response-selection-on-ubuntu-1 | IMN | R10@1: 0.794 R10@2: 0.889 R10@5: 0.974 R2@1: 0.946 |