您当前的位置: > 详细浏览

基于自学习近邻图策略的短文本匹配方法 后印本

请选择邀稿期刊:
摘要: 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。

版本历史

[V1] 2019-05-10 10:28:40 ChinaXiv:201905.00028V1 下载全文
点击下载全文
预览
许可声明
metrics指标
  •  点击量2481
  •  下载量1231
评论
分享