原文下載地址

摘要

該演算法提出場景：text-based QA，即給定一段文字說明，提出問題，從文字說明中找出相應答案作答。

text-based QA演算法的主要步驟包含三個：1）獲取可能包含答案的段落；2)候選段落的重排；3）提取資訊選擇答案

本文的演算法主要是解決第一個步驟

演算法

演算法主要框架：

預處理：將文字說明切成一句一句，每句都作為第一步的候選集，設

設為query q的特徵，為候選集p的特徵，是由和合成的(query, candidate)對的特徵：

訓練權重向量，使得優化目標為：，轉為：（3），這樣相當於將query q提取特徵後，先進行query expansion再採用點積與獲選集計算相似度得分。下邊將如何提取特徵

特徵

特徵向量f中的一個項表示為“（KEY = value，weight）”，並且特徵向量可以被視為一組這樣的元組，寫f（KEY = value）= weight表示特徵作為關聯陣列的關鍵，θX是訓練模型中特徵X的權重θ。

1.問題特徵

:問題詞，如問題是how many，則（QWORD=how many, 1）新增到特徵向量中；

：詞彙答案型別（LAT），如果query有問題詞：“what”或“which”這個問題的LAT被定義為問題詞之後的第一個名詞短語（NP）。 例如，“What is the city of brotherly love?”，該元組為（LAT = city，1）

：所有的命名實體，如：(NE-PERSON=Margaret Thatcher,1)

：tf-idf ，如

2.段落特徵（即候選句特徵）

：詞袋，段落中任何不同的x都會產生一個特徵

：命名實體型別。如果段落包含人名，則將生成（NETYPE = PERSON，1特徵

特徵向量演算法

1.合成

首先要實現公式2，對任何的query特徵向量fQ（q）= {（ki = vi，wi）}，（wi≤1）和，定義兩個操作：

ki=kj表示ki和kj的值相同。

C定義：

2.對映

定義：，，

則上式公式（3）中的t(theta)(q)得到表達

至此，通過(query, candidate)對進行訓練獲取theta值即可