典型文献
基于多维特征表示的文本语义匹配
文献摘要：
文本语义匹配是很多自然语言处理任务的基础.在很多场景中都需要文本语义匹配技术,如搜索、问答系统等.在实际运用场景中,对文本语义匹配的效率有很高的要求.虽然表征学习型语义匹配模型相较于交互型模型的准确率有所下降,但效率极高.而表征学习型语义匹配模型提升性能的关键是抽取具有高层语义特征的句向量.针对该问题,本文在ERINE模型的基础上,设计了特征融合模块及特征抽取模块,以获取具有多维语义特征的句向量,并通过设计语义预测的损失函数,进一步提升模型获取语义信息的性能,从而提高文本语义匹配的准确率.最终在百度千言文本相似度数据集上的准确率达到85.1％,表现出较好的性能.
文献关键词：
文本语义匹配;预训练模型;句向量;语义特征
中图分类号：
作者姓名：
王明;李特;黄定江
作者机构：
华东师范大学数据科学与工程学院,上海 200062
文献出处：
引用格式：
[1]王明;李特;黄定江-.基于多维特征表示的文本语义匹配)[J].华东师范大学学报（自然科学版）,2022(05):126-135
A类：
ERINE
B类：
多维特征,特征表示,文本语义匹配,自然语言处理,多场景,匹配技术,问答系统,实际运用,运用场景,表征学习,学习型,匹配模型,互型,提升性能,语义特征,句向量,特征融合模块,特征抽取,取模,维语,设计语义,损失函数,语义信息,百度,千言,文本相似度,预训练模型
AB值：
0.312726
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
