中科院计算所发布MatchZoo 2.0， 深度文本匹配工具

【导读】深度文本匹配在检索式问答、文本检索等领域都有较为广泛的应用，MatchZoo是一款深度文本匹配的工具。它是为了促进深度文本匹配模型的设计比较和共享而开发。这里有很多像DRMM,MatchPyramid, MV-LSTM, aNMM, DUET, ARC-I, ARC-II, DSSM和 CDSSM一样的深度匹配模型，使用统一的接口进行封装。MatchZoo主要解决的任务有文档检索，问题回答，会话应答排序，同义句识别，等等。该项目主要由中科院网络数据科学与技术重点实验室团队维护。

请关注专知公众号（扫一扫最下面专知二维码，或者点击上方蓝色专知）

• 后台回复“MZoo” 就可以获取深度匹配论文论文下载链接~ 

• 专知《深度学习：算法到实战》2019年1月正在开讲，欢迎报名！

专知开课啦!《深度学习: 算法到实战》, 中科院博士为你讲授！

MatchZoo 结构

根据此前介绍，可以看到，MatchZoo 使用了 Keras 中的神经网络层，由数据预处理、模型构建、训练与评测三大模块组成，具体结构如下图。

• 数据预处理模块：该模块包含通用的文本预处理功能，如分词、词频过滤、词干还原等，并将不同类型文本匹配任务的数据处理成统一的格式。

  同时该模块针对不同的任务需求提供了不同的数据生成器，包括有基于单文档的数据生成器、基于文档对的数据生成器、以及基于文档列表的数据生成器。不同的数据生成器可适用于不同的文本匹配任务，如文本问答、文本对话、以及文本排序等。

• 模型构建模块：该模块包含了深度学习模型中广泛使用的普通层，如卷积层、池化层、全连接层等。除此之外，在这一模块中，他们还针对文本匹配定制了特定的层，如动态池化层、张量匹配层等。

• 训练与评测模块：该模块提供了针对回归、分类、排序等问题的目标函数和评价指标函数。用户可以根据任务的需要选择合适的目标函数。

  在模型评估时，MatchZoo 也提供了多个广为使用的评价指标函数，如 MAP、NDCG、Precision，Recall 等。

只需要几步就能训练和使用一个深度语义匹配模型~

首先引入matchzoo并准备好数据：

然后预处理数据

在定制损失函数与评价指标

最后初始化模型，调节超参数！

Github地址：

https://github.com/NTMC-Community/MatchZoo

使用文档：

https://matchzoo.readthedocs.io/en/2.0/

论文地址：

http://www.zhuanzhi.ai/paper/689a25f1e6fa3570d864365772f6b46e

-END-

专 · 知

   专知《深度学习: 算法到实战》课程正在开讲！ 中科院博士为你讲授！

请加专知小助手微信（扫一扫如下二维码添加），咨询《深度学习:算法到实战》参团限时优惠报名~

欢迎微信扫一扫加入专知人工智能知识星球群，获取专业知识教程视频资料和与专家交流咨询！

请PC登录www.zhuanzhi.ai或者点击阅读原文，注册登录专知，获取更多AI知识资料！

点击“阅读原文”，了解报名专知《深度学习:算法到实战》课程