用图的分解和卷积来做文本匹配

一句话描述整个框架：

用一种新颖的方式把文本对表示成一个“概念交互图（Concept Interaction Graph，CIG）”，然后使用GCN来进行表示，然后训练一个分类器去判断两个文本是否匹配。

论文亮点：

1. CIG这种表示方法很有意思，值得借鉴
2. 文章慷慨的开放了一个中文文本匹配数据集，供研究者使用
   两个数据集：
   ①两条新闻是否描述同一个热点（细）
   ②两条新闻是否属于同一个事件/故事（粗）

CIG：

把文档表示成一个无向有权图，每个文档被分割成一个个句子的集合，而每一个集合都对应着一个文档的重要概念（concept）。

到底什么是所谓的“概念”？

概念，在这里就是指文章的关键词，或者一组关系紧密的关键词。

怎么得到这些关键词？

没什么特别的，就用常见的关键词抽取算法，比如TextRank。

关键词怎么组成概念？

通过聚类，具体的方式是采用图数据中的community detection。

文档构建CIG的例子：

构建CIG的步骤：

1. 构建关键词网络
   提取出关键词后，采用词与词之间的共现关系来构建关键词网络。

2. 概念发掘（可选）
   通过社区发掘的方法来将关键词聚类，得到概念。
   实际上可以直接使用关键词作为概念。

3. 句子关联
   在得到概念之后，需要把文档的一个个句子关联到对应的概念上。具体的方式是计算句子和概念之间的余弦相似度，向量就用TF-IDF表示即可。

4. 构建概念之间的边
   现在网络的node即概念，概念之间的边表示二者之间的相似度。这里使用每个概念所对应的句子的整体的TF-IDF作为该概念的表示，从而计算概念之间的相似度。

通过GCN进行文本匹配

一个文本对包含两个文本A，B。二者合起来，构建一个CIG_{AB}。

通过一种“分而治之”的方式来匹配A和B中的各个概念，然后再统一起来。

1. 局部匹配
   用一个encoder，来把CIG_{AB}中的每一个concept中的A和B的部分，进行编码，得到该concept的一个匹配向量。
   例如，使用Siamese Encoder可以这样处理：

   
   

这里，在Siamese进行匹配的时候，不是简单地将两个向量相减，而是使用这个公式：

2. 使用GCN聚合局部匹配信息
   上一步我们得到了每一个concept的两个文本之间的匹配向量，这个可以当做是节点的特征。于是我们可以直接使用GCN来将各个concept的匹配情况进行聚合。

最后使用GCN输出的向量作为特征，接一个分类器，来判断文本对是否匹配。

效果：