孪生网络中文语义匹配方法的研究

摘要：

语义匹配是问答领域的一个核心任务,能够为问答系统和信息检索等领域提供技术支持.目前对于语义匹配这一特殊分类问题,神经网络主要使用交叉熵或者对比代价损失函数,忽略了损失函数的分类限制宽泛,导致其在分类边缘存在误差.为了解决此种问题,本文在已有的孪生神经网络的基础上,引入am-softmax损失函数,提升模型精确度,同时在现有的词向量和字向量作为网络输入的基础,进一步引入Attention机制,使模型进一步获取更多的文本信息.实验结果表明,与之前的深度学习模型相比,模型的性能有进一步提高.

关键词：语义匹配、孪生神经网络、Am-Softmax、Bi-LSTM

所属期刊栏目：42

分类号：TP18(自动化基础理论)

在线出版日期：2021-03-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：231-234