10.19678/j.issn.1000-3428.0049403
基于语义扩展与注意力网络的问题细粒度分类
针对问题文本细粒度分类中文本特征稀疏、文本整体特征相似、局部差异特征较难提取的特点,提出基于语义扩展与注意力网络相结合的分类方法.通过依存句法分析树提取语义单元,在向量空间模型中计算语义单元周围的相似语义区域并进行扩展.利用长短期记忆网络模型对扩展后的文本进行词编码,引入注意力机制生成问题文本的向量表示,根据Softmax分类器对问题文本进行分类.实验结果表明,与传统的基于深度学习网络的文本分类方法相比,该方法能够提取出更重要的分类特征,具有较好的分类效果.
细粒度分类、依存句法、语义扩展、长短期记忆网络、注意力网络
45
TP391(计算技术、计算机技术)
上海市科学技术委员会科研计划项目16511102702
2019-07-09(万方平台首次上网日期,不代表论文的发表时间)
共8页
165-171,177