要約
近年、深層ニューラルネットワークは音声認識、コンピュータビジョン、および自然言語処理（NLP）のタスクにおいて興奮を誘うような進展をもたらしています。しかし、アドホック検索タスクにおける深層モデルの肯定的な結果は少ないのが現状です。これは、アドホック検索タスクの重要な特性がまだ深層モデルで十分に扱われていないことによる部分があります。一般的に、既存の深層モデルを使用した研究では、アドホック検索タスクが2つのテキスト間のマッチング問題として形式化され、パラフレーズ識別や質問応答、自動会話など多くのNLPタスクと同等に扱われています。しかし、我々はアドホック検索タスクが主に関連性マッチングであり、多くのNLPマッチングタスクが意味的マッチングに関することであるため、これらの2つのマッチングタスクには根本的な違いがあると考えています。成功した関連性マッチングには、正確なマッチング信号の処理、クエリ項の重要性評価、そして多様なマッチング要件への対応が必要です。本論文では、アドホック検索向けに新しい深層関連性マッチングモデル（DRMM: Deep Relevance Matching Model）を提案します。特に、我々のモデルはクエリ項レベルでの関連性マッチングのために共同深層構造を採用しています。ヒストグラムマッピングを使用し、フィードフォワードマッチングネットワークと項ゲートネットワークを組み合わせることで、上記で述べた3つの関連性マッチング要因を効果的に処理できます。2つの代表的なベンチマークコレクションに対する実験結果から、我々のモデルが既知の検索モデルや最先端の深層マッチングモデルよりも著しく優れていることが示されています。