典型文献
基于 BERT模型的中华典籍问句分类方法研究
文献摘要：
随着大数据时代的到来,问答系统成为人们获取信息的有效手段之一.作为问答系统关键一环的问句分类直接影响系统的性能.目前,问句分类研究主要集中在现代汉语领域,对中华典籍的问句分类研究还不多见.本文从问句分类概念出发,在生成中华典籍问句分类语料集的基础上,设计了面向中华典籍的问句分类体系,并对支持向量机、循环神经网络、长短时记忆神经网络、双向长短时记忆神经网络、BERT等模型的问句分类性能进行了比较研究.实验结果表明,与支持向量机和传统深度学习模型相比,BERT模型具有更优的问句分类能力,在本文提出的问句分类体系上,F1值达到95.55％,BERT模型在中华典籍问句分类任务中具有一定优势,具有一定的推广和应用价值.
文献关键词：
中华典籍;问句分类;深度学习;BERT模型
中图分类号：
作者姓名：
刘忠宝;贾君枝
作者机构：
北京语言大学语言智能研究院,北京100083;中国人民大学信息资源管理学院,北京100872
文献出处：
引用格式：
[1]刘忠宝;贾君枝-.基于 BERT模型的中华典籍问句分类方法研究)[J].晋图学刊,2022(03):34-43
A类：
B类：
BERT,中华典籍,问句分类方法,问答系统,获取信息,影响系统,分类研究,现代汉语,不多见,分类概念,语料,分类体系,循环神经网络,双向长短时记忆神经网络,分类性能,深度学习模型,系上,分类任务,推广和应用
AB值：
0.180754
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。
