作者：霍华德链接：***/question/324487162/answer/684540314来源：知乎著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。
你说的有点接近实体链接（Entity Linking）任务，但查字典不限于实体，也可以动词、介词、形容词等。
基本的解决框架是：
第一步：词表示上下文表示
第二步： 词条表示
第三步：相似度计算
第四步：选出相关性得分最高的词条
没有训练数据的话，直接无监督，把上下文和词条分词后词向量加起来，复杂点用BERT编码。然后直接用计算余弦相似度。
有训练数据的话，可以把正确的词条当正例，其他词条当负例，然后用文本匹配模型训练一波。深度学习的文本匹配模型有很多，提供一些给你做参考：
- DRMM: A Deep Relevance Matching Model for Ad-hoc Retrieval.
- MatchPyramid: Text Matching as Image Recognition
- ARC-I: Convolutional Neural Network Architectures for Matching Natural Language Sentences
- DSSM: Learning Deep Structured Semantic Models for Web Search using Clickthrough Data
- CDSSM: Learning Semantic Representations Using Convolutional Neural Networks for Web Search
- ARC-II: Convolutional Neural Network Architectures for Matching Natural Language Sentences
- MV-LSTM: A Deep Architecture for Semantic Matching with Multiple Positional Sentence Representations
- aNMM: aNMM: Ranking Short Answer Texts with Attention-Based Neural Matching Model
- DUET: Learning to Match Using Local and Distributed Representations of Text for Web Search
- K-NRM: End-to-End Neural Ad-hoc Ranking with Kernel Pooling
- CONV-KNRM: Convolutional neural networks for soft-matching n-grams in ad-hoc search
本文来自用户发表，不代表空兰网立场，如若转载，请注明出处：https://www.konglan.com/yulu/26534.html
