基于依存关系与神经网络的文本匹配模型

• 作者: 甄卓 陈玉泉
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 文本匹配 语义匹配 依存关系 词嵌入 余弦均值卷积 K-Max池化 长短期记忆网络
• 年，卷（期）: 2019,（8）
• 所属期刊栏目: 人工智能及识别技术
• 页码范围: 210-216,223
• 页数: 8页
• 分类号: TP39
• 字数: 8577字
• 语种: 中文
• DOI: 10.19678/j.issn.1000-3428.0051810

摘要

为增强文本匹配模型的文本语义捕捉能力并提高语义匹配准确度,提出一种基于词嵌入与依存关系的文本匹配模型.构建融合词语义和词间依存关系的语义表示,通过余弦均值卷积和K-Max池化操作获得描述两段文本各部分语义匹配程度的矩阵,并采用长短期记忆网络学习匹配程度矩阵与真实匹配程度之间的映射关系.实验结果表明,该模型的F1值为0.927 4,相比BM25及深度文本匹配模型准确度更高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈玉泉	上海交通大学计算机科学与工程系	19	255	7.0	15.0
2	甄卓	上海交通大学计算机科学与工程系	1	1	1.0	1.0