计算机应用

作者：于重重, 曹帅, 潘博, 张青川, 徐世璇

单位：1. 北京工商大学 计算机与信息工程学院, 北京 100048;2. 中国社会科学院 民族学与人类学研究所, 北京 100081

关键词：潜在语义模型,注意力机制,检索式匹配问答

基金：教育部人文社会科学研究规划基金资助项目（16YJAZH072）；国家社会科学基金重大项目（14ZDB156）。

针对检索式匹配问答模型对中文语料适应性弱和句子语义信息被忽略的问题，提出一种基于卷积神经网络潜在语义模型（CLSM）的中文文本语义匹配模型。首先，在传统CLSM基础上进行改进，去掉单词和字母的N元模型层，以增强模型对中文语料的适应性；其次，采用注意力机制算法，针对输入的中文词向量信息建立实体关注层模型，以加强句中核心词的权重信息；最后，通过卷积神经网络（CNN）有效地捕获输入句子上下文结构方面信息，并通过池化层对获取的语义信息进行降维。基于医疗问答对数据集，将改进模型与传统语义模型、传统翻译模型、深度神经网络模型进行对比，实验结果显示所提模型在归一化折现累积增益（NDCG）方面有4~10个百分点的提升，优于对比模型。

来源：2019年第4期

《计算机应用》期刊编辑部

查看计算机应用杂志2019年第4期