【论文标题】LET: Linguistic Knowledge Enhanced Graph Transformer for Chinese Short Text Matching 【作者团队】Boer Lyu,Lu Chen,Su Zhu,Kai Yu 【机构】上海交通大学 【发表时间】AAAI 2021 【论文链接】https://arxiv.org/abs/2102.12671 【推荐理由】针对短文匹配中的一词多义问题，引入知网作为外部知识库，提出了一种语言知识增强图变换器（LET）来处理词语歧义；证明了语义信息和多粒度信息对于文本匹配建模的重要性。 中文短文本匹配是自然语言处理中的一项基本任务。现有的方法通常采用汉字或单词作为输入标记。它们有两个局限性：1）一些汉语词汇多义，语义信息得不到充分利用。2） 有些模型会遇到分词带来的潜在问题。本文引入知网作为外部知识库，提出了一种语言知识增强图变换器（LET）来处理词语歧义。此外，我们还采用字格图作为输入来维护多粒度信息。我们的模型也是对预先训练的语言模型的补充。在两个中文数据集上的实验结果表明，我们的模型优于各种典型的文本匹配方法。研究还表明，语义信息和多粒度信息对文本匹配建模具有重要意义。

内容中包含的图片若涉及版权问题，请及时与我们联系删除