ESIM 文本匹配模型原理
哪些公司问过
答案要点
- 输入编码:两句分别经词向量和 BiLSTM 得到上下文表示
- 局部推理:点积对齐分数加软对齐注意力,得到互相对齐的表示
- 增强:拼接原表示、对齐表示、差、逐元素乘积,突出异同
- 推理组合:再过 BiLSTM,平均池化与最大池化拼接后接 MLP 分类
- 交互式模型效果好但不能预计算句向量;同类有 BiMPM,表示式有 InferSent,后来常用 BERT 句对输入
易错点
- 把 ESIM 说成双塔模型,实际核心是两句之间的交互注意力
- 漏掉差和逐元素乘积的增强步骤
- 忽略交互式模型无法离线预计算句向量的部署代价
面试官常见追问
- 讲一下词嵌入,word2vec 的层次 softmax、负采样和 fastText 有什么区别?
- 交互式和表示式匹配模型怎么选?
完整的口述示范答案、每个追问的参考回答,在启面刷题中心查看;也可以让 AI 面试官用语音按这道题连环追问你。