声明
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。
国内刊号：11-1777/TP
国际刊号：1000-1239
发布日期:
作者：胡超文,邬昌兴,杨亚连,
关键词：文本蕴含识别, 蕴含关系, 语义关系, 扩展的S-LSTM, 深度学习,
文本蕴含识别旨在自动判断给定的前提和假设(通常为2个句子)之间是否存在蕴含关系，是自然语言处理领域一项基础但富有挑战的任务.当前，主流的基于深度学习的模型通常分别建模前提和假设的语义表示，而没有把它们看作一个整体；另外，在捕获它们之间的语义关系时，大都没有同时利用句子级别的全局信息和短语级别的局部信息.最近提出的S-LSTM能够同时学习句子和短语的语义表示，在文本分类等任务上取得了较好的效果.基于上述情况，提出了一种基于扩展的S-LSTM的文本蕴含识别模型.一方面，把前提和假设看作一个整体，扩展S-LSTM以同时学习它们的语义表示；另一方面，在建模语义关系时，既利用句子级别的信息又利用短语级别的信息，以此获得更好的语义表示.在英文SNLI数据集和中文CNLI数据集上的实验结果表明：提出的模型取得了比基准模型更好的识别性能.
来源：2020年第7期
《计算机研究与发展》期刊编辑部
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。