一种注意力增强的自然语言推理模型

• 作者: 张鹏飞 李冠宇 贾彩燕
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 自然语言处理 自然语言推理 ESIM模型 注意力机制 双向LSTM网络
• 年，卷（期）: 2020,（7）
• 所属期刊栏目: 人工智能与模式识别
• 页码范围: 91-97
• 页数: 7页
• 分类号: TP18
• 字数: 3989字
• 语种: 中文
• DOI: 10.19678/j.issn.1000-3428.0054953

摘要

在自然语言处理任务中使用注意力机制可准确衡量单词重要度.为此,提出一种注意力增强的自然语言推理模型aESIM.将词注意力层以及自适应方向权重层添加到ESIM模型的双向LSTM网络中,从而更有效地学习单词与句子表示,同时提高前提与假设文本之间局部推理的建模效率.在SNLI、MultiNLI及Quora数据集上的实验结果表明,与ESIM、HBMP、SSE等模型相比,aESIM模型的准确率能够提升0.5％～1％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	贾彩燕	北京交通大学计算机与信息技术学院	23	180	9.0	12.0
5	张鹏飞	北京交通大学计算机与信息技术学院	8	22	3.0	4.0
9	李冠宇	北京交通大学计算机与信息技术学院	2	0	0.0	0.0