计算机应用研究

作者：付聪,李六武,杨振国,刘文印,

单位：广东工业大学计算机学院,广州510006；

关键词：文本匹配,自学习近邻图,词嵌入,孪生卷积神经网络,

基金：国家自然科学基金资助项目(61703109,91748107)；中国博士后科学基金资助项目(2018M643024)；广东省引进创新科研团队计划资助项目(2014ZT05G157)；；

针对自然语言处理中的文本匹配问题，提出一种基于自学习文本近邻图框架的深度学习模型，以处理短文本匹配问题。文本近邻图可使用词嵌入将文本转换为向量形式，再通过构建文本相似度关系矩阵获得，可表达文本样本的近邻关系。现有方法通常构造静态的近邻图，这些方法一方面依赖先验知识，另一方面难以获得句子对的最优表示。因此，提出了利用孪生卷积神经网络学习更优的动态更新的近邻图。该模型在Quora数据集上的准确率和F1值分别是84.15%和79.88%，在MSRP数据集上的准确率和F1值分别是74.55%和81.63%。实验表明，提出模型能有效地提高文本识别和匹配的准确率。

来源：2020年第6期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2020年第6期