Current Location:home > Detailed Browse

Article Detail

基于自学习近邻图策略的短文本匹配方法

Submit Time: 2019-05-10
Author: 付聪 1 ; 李六武 1 ; 杨振国 1 ; 刘文印 1 ;
Institute: 1.广东工业大学 计算机学院;

Abstracts

针对自然语言处理中的文本匹配问题,提出一种基于自学习文本近邻图框架的深度学习模型,以处理短文本匹配问题。文本近邻图可使用词嵌入将文本转换为向量形式,再通过构建文本相似度关系矩阵获得,可表达文本样本的近邻关系。现有方法通常构造静态的近邻图,这些方法一方面依赖先验知识,另一方面难以获得句子对的最优表示。因此,提出了利用孪生卷积神经网络学习更优的动态更新的近邻图。该模型在Quora数据集上的准确率和F1值分别是84.15%和79.88%,在MSRP数据集上的准确率和F1值分别是74.55%和81.63%。实验表明,提出的模型能有效地提高文本识别和匹配的准确率。
Download Comment From cooperative journals:《计算机应用研究》 Hits:1368 Downloads:619
Journal:计算机应用研究
Recommended references: 付聪,李六武,杨振国,刘文印.(2019).基于自学习近邻图策略的短文本匹配方法.计算机应用研究.[ChinaXiv:201905.00028] (Click&Copy)
Version History
[V1] 2019-05-10 10:28:40 chinaXiv:201905.00028V1 Download
Related Paper

Download

Current Browse

Cross Subject Browse

  • - NO