基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
本文将深度学习应用于答案抽取任务中,该任务不依赖于人工定义的特征或语言工具,基本框架是基于双向长短期记忆(biLSTM)模型构建问题和答案的词向量的嵌入,并通过余弦相似性计算它们的相似程度.我们进一步将这个基本模型扩展,将句内注意力机制与深度神经网络LSTM于答案抽取任务中,使用句内注意力机制尝试寻找问答对之间词的关系,从而寻找问题与答案之间的联系,减少人工特征,实现答案自动取.
推荐文章
基于Attention-BiLSTM的中文命名实体识别
命名实体识别
注意力机制
BiLSTM
深度学习
局部特征
基于Bi-LSTM和Max Pooling的答案句抽取技术
中文问答系统
答案句抽取
Bi-LSTM算法
基于BiLSTM模型的定义抽取方法
定义抽取
双向长短时记忆模型
序列标注
LSTM模型
深度神经网络
基于图的新闻事件主题句抽取方法
新闻事件
事件主题句
触发词
命名实体
事件关系
无向图
排序
抽取
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于Attention-biLSTM的候选答案句抽取
来源期刊 福建电脑 学科 工学
关键词 答案抽取 注意力机制 biLSTM
年,卷(期) 2019,(4) 所属期刊栏目 应用与开发
研究方向 页码范围 83-85
页数 3页 分类号 TP391.1
字数 2008字 语种 中文
DOI 10.16707/j.cnki.fjpc.2019.04.028
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 蔡念 广东工业大学计算机学院 47 270 9.0 14.0
2 刘广聪 广东工业大学计算机学院 36 178 7.0 12.0
3 张学武 广东工业大学计算机学院 1 0 0.0 0.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (8)
共引文献  (1)
参考文献  (1)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1992(1)
  • 参考文献(0)
  • 二级参考文献(1)
1997(1)
  • 参考文献(0)
  • 二级参考文献(1)
2001(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(1)
  • 参考文献(0)
  • 二级参考文献(1)
2003(1)
  • 参考文献(0)
  • 二级参考文献(1)
2008(1)
  • 参考文献(0)
  • 二级参考文献(1)
2011(1)
  • 参考文献(0)
  • 二级参考文献(1)
2016(1)
  • 参考文献(0)
  • 二级参考文献(1)
2017(1)
  • 参考文献(1)
  • 二级参考文献(0)
2019(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
答案抽取
注意力机制
biLSTM
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
福建电脑
月刊
1673-2782
35-1115/TP
大16开
福州市华林邮局29号信箱
1985
chi
出版文献量(篇)
21147
总下载数(次)
86
总被引数(次)
44699
论文1v1指导