计算机应用研究

作者：顾艳,夏鸿斌,刘渊,

单位：1.江南大学人工智能与计算机学院,江苏无锡214122；2.江苏省媒体设计与软件技术重点实验室,江苏无锡214122；

关键词：人工智能,自然语言理解,双向GRU,注意力机制,Siamese架构,

基金：国家科学支撑计划课题(2015BAH54F01)；国家自然科学基金资助项目(61672264)；；

传统的幽默计算任务依赖人工构造特征，容易造成丢失特征，且主要集中在幽默判断。而基于深度学习的Siamese双向GRU注意力模型是对成对的幽默文本进行对比，判断哪一条语句更具有幽默性。首先，利用文本处理器对文本进行词嵌入训练；其次，使用双向GRU模型来获取每个单词的注释；最后，在全连接层执行幽默比较任务。在Semeval-2017 Task6-#HashtagWars数据集上进行实验，采用accuracy作为评估指标。实验结果表明，该模型与其他相关模型在幽默文本对比上有较明显提升。

来源：2021年第4期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2021年第4期