基于自学习近邻图策略的短文本匹配方法

• 作者: 付聪 刘文印 李六武 杨振国
• 来源期刊: 计算机应用研究
• 关键词: 文本匹配 自学习近邻图 词嵌入 孪生卷积神经网络
• 年，卷（期）: 2020,（6）
• 所属期刊栏目: 算法研究探讨
• 页码范围: 1697-1701
• 页数: 5页
• 分类号: TP391.1
• 语种: 中文
• DOI: 10.19734/j.issn.1001-3695.2018.12.0877

摘要

针对自然语言处理中的文本匹配问题,提出一种基于自学习文本近邻图框架的深度学习模型,以处理短文本匹配问题.文本近邻图可使用词嵌入将文本转换为向量形式,再通过构建文本相似度关系矩阵获得,可表达文本样本的近邻关系.现有方法通常构造静态的近邻图,这些方法一方面依赖先验知识,另一方面难以获得句子对的最优表示.因此,提出了利用孪生卷积神经网络学习更优的动态更新的近邻图.该模型在Quora数据集上的准确率和F1值分别是84.15％和79.88％,在MSRP数据集上的准确率和F1值分别是74.55％和81.63％.实验表明,提出模型能有效地提高文本识别和匹配的准确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨振国	广东工业大学计算机学院	6	2	1.0	1.0
2	刘文印	广东工业大学计算机学院	13	4	1.0	1.0
3	付聪	广东工业大学计算机学院	1	0	0.0	0.0
4	李六武	广东工业大学计算机学院	1	0	0.0	0.0