首站-论文投稿智能助手
典型文献
结合BERT与多尺度CNN的民事纠纷问句意图分类
文献摘要:
问句意图分类作为问答系统的关键任务之一,其能否正确分类对于后续的问答任务十分重要.针对民事纠纷问句中存在的长短不一、特征分散、种类繁多的问题,以及传统卷积神经网络和词向量的不足,为了准确获取民事纠纷问句意图类别,构建了结合BERT与多尺度CNN的民事纠纷问句意图分类模型.对民事纠纷问句数据集进行预处理;采用BERT预训练模型对问句进行语义编码和语义补充;使用4个不同的卷积通道进行卷积运算,每个卷积通道由不同尺度的卷积核进行卷积,将4种不同尺度的问句特征进行拼接得到多层次问句特征信息;通过全连接层和Softmax对问句进行分类.实验结果表明,所提出的模型在中文民事纠纷问句数据集上取得了87.41%的准确率,召回率、F1值分别达到了87.52%、87.39%,能够有效解决民事纠纷问句意图分类的问题.
文献关键词:
民事纠纷问句意图分类;BERT;多尺度CNN;自然语言问句理解
作者姓名:
邢义男;张娜娜
作者机构:
上海海洋大学 信息学院,上海 201306;上海建桥学院 信息技术学院,上海 201306
引用格式:
[1]邢义男;张娜娜-.结合BERT与多尺度CNN的民事纠纷问句意图分类)[J].计算机工程与应用,2022(23):205-213
A类:
民事纠纷问句意图分类,自然语言问句理解
B类:
BERT,问答系统,关键任务,正确分类,长短不一,词向量,分类模型,句数,预训练模型,语义编码,语义补充,行卷,卷积运算,不同尺度,卷积核,拼接,接得,特征信息,全连接层,Softmax,召回率
AB值:
0.190273
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。