融合多路注意力机制的语句匹配模型

摘要：

为了增强语句内关键信息和语句间交互信息的表征能力,有效整合匹配特征,提出一种融合多路注意力机制的语句匹配模型.采用双向长短时记忆网络获取文本的编码信息,通过自注意力机制学习语句内部的关键信息;将编码信息和自注意力信息拼接之后,通过多路注意力机制学习语句间的交互信息;结合并压缩多路注意力层之前和之后的信息,通过双向长短时记忆网络进行池化获得最终的语句特征,经过全连接层完成语句匹配.实验结果表明,该模型在SNLI和MultiNLI数据集上进行的自然语言推理任务、在Quora Question Pairs数据集上进行的释义识别任务和在SQuAD数据集上进行的问答语句选择任务中均表现出了更好效果,能够有效提升语句匹配的性能.

关键词：语句匹配、注意力机制、Bi-LSTM、深度学习

所属期刊栏目：35

分类号：TP391(计算技术、计算机技术)

资助基金：国家重点研发计划SQ2021YFE010559

在线出版日期：2023-07-03（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：520-527