摘要
近年来，深度神经网络在语音识别、计算机视觉和自然语言处理（NLP）任务中取得了令人兴奋的突破。然而，在即席检索任务中，深度模型的应用却鲜有积极成果。这在一定程度上是因为即席检索任务中的许多重要特征尚未在深度模型中得到充分解决。通常情况下，现有的基于深度模型的工作将即席检索任务形式化为两段文本之间的匹配问题，并将其视为与诸如释义识别、问答和自动对话等许多NLP任务等同的问题。然而，我们认为即席检索任务主要涉及相关性匹配，而大多数NLP匹配任务则关注语义匹配，两者之间存在一些根本差异。成功实现相关性匹配需要妥善处理精确匹配信号、查询词的重要性以及多样化的匹配需求。本文提出了一种新颖的深度相关性匹配模型（DRMM），专门用于即席检索。具体而言，我们的模型在查询词层面采用了联合深度架构进行相关性匹配。通过使用匹配直方图映射、前馈匹配网络和词门控网络，我们能够有效地应对上述三个相关性匹配因素。实验结果表明，在两个具有代表性的基准数据集上的测试显示，我们的模型显著优于一些知名的检索模型以及最先进的深度匹配模型。