شبكة عصبية انتباهية مدركة للمعرفة لترتيب أزواج الأسئلة والأجوبة

لقد جذبت عملية ترتيب أزواج الأسئلة والأجوبة اهتمامًا متزايدًا مؤخرًا بسبب تطبيقاتها الواسعة مثل استرجاع المعلومات والإجابة على الأسئلة (QA). لقد تحقق تقدم كبير من خلال الشبكات العصبية العميقة. ومع ذلك، لم يتم إيلاء اهتمام كبير للمعلومات الخلفية والعلاقات المخفية خارج السياق، والتي تلعب أدوارًا حاسمة في فهم النصوص البشرية، في الشبكات العصبية العميقة الحديثة التي تحقق أفضل مستوى في ترتيب أزواج الأسئلة والأجوبة. في هذه الورقة، نقترح KABLSTM، وهو ذاكرة طويلة وقصيرة المدى ثنائية الاتجاه مدركة للمعرفة، تستفيد من المعرفة الخارجية من رسوم المعرفة (KG) لتعزيز التعلم التمثيلي لجمل الأسئلة والأجوبة. على وجه الخصوص، نقوم بتطوير هيكل تعلم تفاعلي موجه بالسياق، حيث تم تصميم شبكة عصبية تلافيفية انتباهية (CNN) لإدماج تضمينات المعرفة في تمثيلات الجمل. بالإضافة إلى ذلك، تم تقديم آلية انتباه مدركة للمعرفة للانتباه للعلاقات بين كل جزء من أجزاء أزواج الأسئلة والأجوبة. تم تقييم KABLSTM على مجموعتين مرجعيتين شائعتين من بيانات QA: WikiQA و TREC QA. تظهر نتائج التجارب أن KABLSTM تتمتع بتفوق قوي على المنافسين وتحقق أفضل مستوى من الأداء.