分类: 计算机科学 >> 计算机科学的集成理论 提交时间: 2019-04-01 合作期刊: 《计算机应用研究》
摘要: 由于传统的端到端记忆神经网络模型特征表示能力不足,无法很好地表示各个记忆之间的联系,导致其在数据集bAbI中的位置推理和路径查找问题正确率不高。针对此问题,提出了一种结合稠密连接和多层感知机的记忆神经网络。该模型利用稠密连接与全连接层获取关系特征,增强了模型的特征表示能力。利用bAbI数据集对模型进行推理正确率的评估,实验结果表明,与传统的记忆神经网络以及端到端记忆神经网络相比,该模型能有效提升文本推理的正确率。