典型文献
融合多角度特征的文本匹配模型
文献摘要：
文本匹配是自然语言处理的一个核心研究领域,深度文本匹配模型大致可以分为表示型和交互型两种类型,表示型模型容易失去语义焦点难以衡量词上下文重要性,交互型模型缺少句型、句间等全局性信息.针对以上问题提出一种融合多角度特征的文本匹配模型,该模型以孪生网络为基本架构,利用BERT模型生成词向量进行词相似度融合加强语义特征,利用Bi-LSTM对文本的句型结构特征进行编码,即融合文本词性序列的句型结构信息,使用Transformer编码器对文本句型结构特征和文本特征进行多层次交互,最后拼接向量推理计算出两个文本之间的相似度.在Quora部分数据集上的实验表明,本模型相比于经典深度匹配模型有更好的表现.
文献关键词：
文本匹配;句型结构;Transformer框架;孪生网络;Bi-LSTM;特征融合;注意力机制;自然语言处理
中图分类号：
作者姓名：
李广;刘新;马中昊;黄浩钰;张远明
作者机构：
湘潭大学计算机学院·网络空间安全学院,湘潭411105
文献出处：
引用格式：
[1]李广;刘新;马中昊;黄浩钰;张远明-.融合多角度特征的文本匹配模型)[J].计算机系统应用,2022(07):158-164
A类：
B类：
角度特征,文本匹配模型,自然语言处理,一个核心,核心研究领域,互型,语义焦点,量词,上下文,全局性,孪生网络,基本架构,BERT,模型生成,成词,词向量,相似度融合,语义特征,Bi,句型结构,词性,结构信息,Transformer,编码器,文本特征,拼接,Quora,深度匹配,特征融合,注意力机制
AB值：
0.345125
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。
