基于多层感知机和语义矩阵的答案选择模型

摘要：

答案选择是问答系统领域的关键子任务,其性能表现支撑着问答系统的发展.基于参数冻结的BERT模型生成的动态词向量存在句级语义特征匮乏、问答对词级交互关系缺失等问题.多层感知机具有多种优势,不仅能够实现深度特征挖掘,且计算成本较低.在动态文本向量的基础上,文中提出了一种基于多层感知机和语义矩阵的答案选择模型,多层感知机主要实现文本向量句级语义维度重建,而通过不同的计算方法生成语义矩阵能够挖掘不同的文本特征信息.多层感知机与基于线性模型生成的语义理解矩阵相结合,实现一个语义理解模块,旨在分别挖掘问题句和答案句的句级语义特征;多层感知机与基于双向注意力计算方法生成的语义交互矩阵相结合,实现一个语义交互模块,旨在构建问答对之间的词级交互关系.实验结果表明,所提模型在WikiQA数据集上MAP和MRR分别为0.789和0.806,相比基线模型,该模型在性能上有一致的提升,在SelQA数据集上MAP和MRR分别为0.903和0.911,也具有较好的性能表现.

关键词：答案选择、BERT模型、动态词向量、多层感知机、语义矩阵

所属期刊栏目：50

分类号：TP391.1(计算技术、计算机技术)

资助基金：江苏省双创博士项目;南京邮电大学引进人才科研启动基金项目

在线出版日期：2023-05-12（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：270-276