awesome-neural-models-for-semantic-match - GitLite

KO | EN

gitlite — search

#javascript #python #hacktoberfest #react #ai #go #rust #macos #kubernetes #awesome-list #security #openai #mcp #open-source

awesome-neural-models-for-semantic-match

(★ 775)

A curated list of papers dedicated to neural text (semantic) matching.

파일 탐색기

최종 버전 다운로드 (.zip)

- chart.html
- table.html
- Ad-hoc-Information-Retrieval.md
- awesome.svg
- equation.svg
- not-in-plan.svg
- plan.svg
- progress.svg
- ready.svg
- Community-Question-Answering.md
- LFQA.md
- Natural-Language-Inference.md
- Paraphrase-Identification.md
- Response-Retrieval.md
.gitignore
_config.yml
Gemfile
healthcheck.py
LICENSE
README.md
requirements.txt

# 설치 가이드

1. 코드 내려받기

git clone https://github.com/NTMC-Community/awesome-neural-models-for-semantic-match

깃허브에서 프로젝트 코드 전체를 내 컴퓨터로 내려받습니다.

cd awesome-neural-models-for-semantic-match

방금 내려받은 프로젝트 폴더 안으로 이동합니다.

2. Python

쉬움 추천

사전 준비물

Git GitHub에서 프로젝트 코드를 내려받으려면 필요합니다.
Python 3 설치 시 'Add Python to PATH' 옵션을 꼭 체크하세요 (Windows).

pip3 install -r requirements.txt

requirements.txt 등에 명시된 파이썬 라이브러리를 설치합니다.

✅ 에러 메시지 없이 실행되고 터미널에 안내 문구가 출력되면 정상입니다.

이 레포의 README에 적힌 실제 명령어를 그대로 가져왔습니다.

3. Ruby

쉬움

사전 준비물

Git GitHub에서 프로젝트 코드를 내려받으려면 필요합니다.
Ruby bundle 명령어를 쓰려면 Ruby가 필요합니다.

bundle install

Gemfile에 명시된 루비 라이브러리를 설치합니다.

✅ bundle install이 에러 없이 끝나면 README에 안내된 실행 명령어(예: rails server)로 마저 실행해보세요.

// repository documentation

Was this content helpful?

★ 0 (0 ratings)

<div align="center">
    <img width="300" src="artworks/awesome.svg" alt="Awesome">
    <br><br>
    <p><b>Awesome Neural Models for Semantic Match</b></p>
</div>
<br>
<p align="center">
    <sub>A collection of papers maintained by MatchZoo Team.</sub>
    <br>
    <sub>Checkout our open source toolkit <a href="https://github.com/NTMC-Community/MatchZoo-py">MatchZoo</a> for more information!</sub>
</p>
<br>

Text matching is a core component in many natural language processing tasks, where many task can be viewed as a matching between two texts input.

<div align="center">
    <img width="300" src="artworks/equation.svg" alt="equation">
</div>

Where **s** and **t** are source text input and target text input, respectively. The **psi** and **phi** are representation function for input **s** and **t**, respectively. The **f** is the interaction function, and **g** is the aggregation function. More detailed explaination about this formula can be found on [A Deep Look into Neural Ranking Models for Information Retrieval](https://arxiv.org/abs/1903.06902). The representative matching tasks are as follows:

|                                          **Tasks**                                           | **Source Text** |     **Target Text**      |
| :------------------------------------------------------------------------------------------: | :-------------: | :----------------------: |
| [Ad-hoc Information Retrieval](Ad-hoc-Information-Retrieval/Ad-hoc-Information-Retrieval.md) |      query      | document (title/content) |
| [Community Question Answering](Community-Question-Answering/Community-Question-Answering.md) |    question     |     question/answer      |
|     [Paraphrase Identification](Paraphrase-Identification/Paraphrase-Identification.md)     |     string1     |         string2          |
|    [Natural Language Inference](Natural-Language-Inference/Natural-Language-Inference.md)    |     premise     |        hypothesis        |
|                [Response Retrieval](Response-Retrieval/Response-Retrieval.md)                |    context/utterances     |         response         |
|                [Long Form Question Answering](LFQA/LFQA.md)                |    question+document    |         answer         |

### Healthcheck

```python
pip3 install -r requirements.txt
python3 healthcheck.py
```