基于语义扩展与注意力网络的问题细粒度分类

• 作者: 吕钊 谢雨飞
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 细粒度分类 依存句法 语义扩展 长短期记忆网络 注意力网络
• 年，卷（期）: 2019,（1）
• 所属期刊栏目: 人工智能及识别技术
• 页码范围: 165-171,177
• 页数: 8页
• 分类号: TP391
• 字数: 5135字
• 语种: 中文
• DOI: 10.19678/j.issn.1000-3428.0049403

摘要

针对问题文本细粒度分类中文本特征稀疏、文本整体特征相似、局部差异特征较难提取的特点,提出基于语义扩展与注意力网络相结合的分类方法.通过依存句法分析树提取语义单元,在向量空间模型中计算语义单元周围的相似语义区域并进行扩展.利用长短期记忆网络模型对扩展后的文本进行词编码,引入注意力机制生成问题文本的向量表示,根据Softmax分类器对问题文本进行分类.实验结果表明,与传统的基于深度学习网络的文本分类方法相比,该方法能够提取出更重要的分类特征,具有较好的分类效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	吕钊	华东师范大学计算机科学技术系	29	154	7.0	11.0
2	谢雨飞	华东师范大学计算机科学技术系	1	2	1.0	1.0