白岩，洪宇，朱朦朦，周夏冰，张民

（苏州大学 计算机科学与技术学院，江苏 苏州 215006）

0 引言

问句复述识别的核心任务是判断两两自然问句之间是否具备一致的含义，例如，例1 中的两条疑问句互为复述关系。问句复述识别有助于实现面向大规模问答集合中同质异构问题的检索和相关答案的高速获取，从而能够支撑基于知识库（比如限定域FAQ 或在线问答百科）的事实性问答系统。近期，利用神经网络模型实现问句的编码，并将两两问句的编码信息进行比照的判别策略，已成为问句复述识别的主要方法。其中，针对问句的浅层语义信息进行深度编码，是这一框架中的核心技术。文本继承这一研究思路，并侧重研究面向问句复述问题的编码方法。

［例1］＜复述问句样本＞

“What are some amazing or least known fact of Indian railway？”

“What are least known or some amazing fact of Indian railway？”

现有基于神经网络的问句语义编码方法，侧重利用表示学习技术提高神经元对语义的感知能力，借以为判别模型提供可靠的语义表示向量。然而，本文前期研究发现，现有编码方法往往难以辨识高迷惑性的浅层语义信息，从而无法越过伪真的语义陷阱。比如，例2 中的两条疑问句有着一致的句子成分，却因为语序的些许变换（“bad”和“good”交换位置）形成了微妙的语义差异，两者之间大范围一致的浅层语义信息极易误导现有编码模型，而不易察觉的语义差异却决定了问句之间真正的复述关系（本例为非复述问句样本）。因此，现有编码方法欠缺一种“反思”的能力。根本原因在于，其对语义编码的结果是否真正有助于复述判别，缺乏可供甄别的依据。……