融合实体上下文特征的深度文本语义匹配模型

摘要：

为提高文本匹配过程中对实体上下文和语义关联信息的学习能力,提出一种融合实体上下文特征的深度文本语义匹配模型.该模型通过学习深度多视图语义交互信息和实体上下文特征匹配矩阵来计算文本的综合匹配得分,采用双向长短时记忆网络和共注意力机制获取文本的局部语义特征并进行多视图向量交互匹配,同时,针对文本中提取到的实体计算上下文特征,通过实体匹配矩阵和卷积神经网络进行实体上下文语义匹配.在SNLI、MultiNLI和Quora Question Pairs数据集上分别与已有基准模型对比,实验结果表明,相比经典深度文本匹配模型,本文提出的融合实体上下文特征的文本匹配模型可以有效提升文本匹配的准确度.

关键词：文本语义匹配、多语义文档表示、卷积神经网络、双向长短时记忆网络、注意力机制

所属期刊栏目：66

分类号：TP391.1(计算技术、计算机技术)

资助基金：国家电网有限公司总部科技项目536800180033

在线出版日期：2021-04-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共12页

页码：483-494