孪生网络中文语义匹配方法的研究

• 作者: 于碧辉 王加存
• 来源期刊: 小型微型计算机系统
• 关键词: 语义匹配 孪生神经网络 Am-Softmax Bi-LSTM
• 年，卷（期）: 2021,（2）
• 所属期刊栏目: 人工智能与算法研究|Artificial Intelligence and Algorithm Research
• 页码范围: 231-234
• 页数: 4页
• 分类号: TP18
• 语种: 中文
• DOI: 10.3969/j.issn.1000-1220.2021.02.002

摘要

语义匹配是问答领域的一个核心任务,能够为问答系统和信息检索等领域提供技术支持.目前对于语义匹配这一特殊分类问题,神经网络主要使用交叉熵或者对比代价损失函数,忽略了损失函数的分类限制宽泛,导致其在分类边缘存在误差.为了解决此种问题,本文在已有的孪生神经网络的基础上,引入am-softmax损失函数,提升模型精确度,同时在现有的词向量和字向量作为网络输入的基础,进一步引入Attention机制,使模型进一步获取更多的文本信息.实验结果表明,与之前的深度学习模型相比,模型的性能有进一步提高.