基于深度强化学习的文本相似语义计算模型

• 作者: 侍晓龙 周梁 翁文勇 陈观林
• 来源期刊: 郑州大学学报（理学版）
• 学科: 工学
• 关键词: 深度学习 语义相似计算 强化学习
• 年，卷（期）: 2020,（3）
• 所属期刊栏目: 信息科学
• 页码范围: 1-8
• 页数: 8页
• 分类号: TP319
• 字数: 6473字
• 语种: 中文
• DOI: 10.13705/j.issn.1671-6841.2020038

摘要

语义相似计算是自然语言处理领域一个常见问题,现有的基于深度学习的语义相似计算模型大多数是通过卷积网络或者长短时记忆模型来提取语义特征,但是这种语义特征的提取方式存在语义信息丢失的问题.提出两点改进传统深度学习模型在提取语义特征时的语义丢失现象.首先是改进注意力相互加权模型.基于相互加权方式做出改进,使用多个加权权重矩阵加权语义,同时提出新的正则项计算方法.其次在语义相似计算模型中引入强化学习的方法对文本进行自动分组处理,在语义相似计算领域最常用的Siamese Network模型上使用强化学习算法,改善长短时记忆模型在提取句子的语义时所面临的语义丢失现象.通过实验验证,改进的方法处理中文句子有不错的效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈观林	浙大城市学院计算机与计算科学学院	33	182	7.0	13.0
5	侍晓龙	浙大城市学院计算机与计算科学学院	1	0	0.0	0.0
9	周梁		2	0	0.0	0.0
10	翁文勇	浙大城市学院计算机与计算科学学院	1	0	0.0	0.0