Ein Vergleichs- und Aggregationsmodell mit latenter Clustering für die Antwortauswahl

In dieser Arbeit schlagen wir eine neuartige Methode für die Aufgabe der Satzebenen-Antwortselektion vor, die ein grundlegendes Problem in der natürlichen Sprachverarbeitung darstellt. Zunächst untersuchen wir den Einfluss zusätzlicher Informationen, indem wir ein vortrainiertes Sprachmodell verwenden, um die Vektordarstellung des Eingabetexts zu berechnen, und durch Anwendung von Transfer-Lernen aus einem groß angelegten Korpus. Anschließend verbessern wir das Vergleich-Aggregationsmodell durch die Einführung einer neuartigen latente-Clustering-Methode zur Berechnung zusätzlicher Informationen innerhalb des Zielkorpus sowie durch den Wechsel der Zielfunktion von listenbasiert zu punktbasiert. Um die Leistung der vorgeschlagenen Ansätze zu bewerten, wurden Experimente mit den Datensätzen WikiQA und TREC-QA durchgeführt. Die empirischen Ergebnisse belegen die Überlegenheit unseres vorgeschlagenen Ansatzes, der für beide Datensätze den Stand der Technik erreicht.请注意，"latent clustering" 在德语中通常会直接使用英语术语 "latente Clustering"，以保持专业性和一致性。如果需要进一步本土化，可以考虑使用 "latente Gruppierung"。