要約
自然言語の文マッチングは、さまざまなタスクにおいて基本的な技術です。従来のアプローチでは、単方向からのみ文をマッチングするか、単一の粒度（単語対単語または文対文）でのみマッチングを行っていました。本研究では、「マッチング-集約」フレームワークに基づいて、双方向多視点マッチング（Bilateral Multi-Perspective Matching, BiMPM）モデルを提案します。2つの文 ( P ) と ( Q ) が与えられた場合、まず当モデルは BiLSTM エンコーダーを使用してこれらを符号化します。次に、2つの符号化された文を2つの方向 ( P \rightarrow Q ) および ( P \leftarrow Q ) でマッチングします。各マッチング方向では、一方の文の各時間ステップが他方の文のすべての時間ステップに対して複数の視点から比較されます。その後、別の BiLSTM 層が使用されて、マッチング結果を固定長のマッチングベクトルに集約します。最後に、このマッチングベクトルに基づいて全結合層を通じて決定が行われます。当モデルはパラフレーズ識別、自然言語推論、回答文章選択という3つのタスクで評価されました。標準ベンチマークデータセットでの実験結果は、当モデルがすべてのタスクで最先端の性能を達成していることを示しています。