Modelos de Aprendizaje Profundo Basados en LSTM para la Selección de Respuestas No-factoid

En este documento, aplicamos un marco general de aprendizaje profundo (DL) para la tarea de selección de respuestas, que no depende de características definidas manualmente o herramientas lingüísticas. El marco básico es construir las incrustaciones de preguntas y respuestas basadas en modelos de memoria a corto y largo plazo bidireccional (biLSTM) y medir su cercanía mediante la similitud coseno. Además, extendemos este modelo básico en dos direcciones. Una dirección es definir una representación más composite para preguntas y respuestas combinando redes neuronales convolucionales con el marco básico. La otra dirección es utilizar un mecanismo de atención simple pero eficiente para generar la representación de la respuesta según el contexto de la pregunta. Se proporcionan varias variaciones de modelos. Los modelos se examinan mediante dos conjuntos de datos, incluyendo TREC-QA y InsuranceQA. Los resultados experimentales demuestran que los modelos propuestos superan significativamente a varias líneas de base fuertes.