中科院计算所发布MatchZoo 2.0，深度文本匹配工具- 专知

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：