基于语义扩展与注意力网络的问题细粒度分类

摘要：

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.

关键词：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

所属期刊栏目：45

分类号：TP391(计算技术、计算机技术)

资助基金：上海市科学技术委员会科研计划项目16511102702

在线出版日期：2019-07-09（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：165-171,177