基于深度学习的候选答案句选择研究

发布时间：2022-02-08 12:00

　　问答系统通常由问题分析模块、检索模块、答案抽取和答案选择四个部分组成。答案选择是一个典型问答系统的关键组成部分,答案选择问题可以表述如下:给出问题q和候选答案?a₁,a ₂,...,a_s?,我们的目标是找到最佳候选答案a_k,其中1?k?s。答案句是具有任意长度的标记序列,并且问题可以对应于多个基本正确的答案句。传统方法在研究答案选择任务的时候通常使用特征工程以及语言工具,对句子分词,句子词性标注、语法分析、句法分析,人工提取文本特征,然后计算答案与问题的语义相似度,并依据相似度进行排序选取出与问题最相似的答案句作为问题的最终答案,这些方法虽然取得了一定的效果,具有这几点不足:（1）人工提取文本特征具有人的主观性,不能很好很全面客观的理解所有的问题;（2）要想获得好的文本特征,就需要人工不断调整特征提取策略;（3）使用特征工程以及语言工具会带来的系统复杂性的影响。相比使用特征工程以及语言工具,深度学习能够主动学习文本中的语义信息,更好的提取文本的特征。本文针对问答系统中答案选择任务提出了一个不需要任何... 

【文章来源】：广东工业大学广东省

【文章页数】：62 页

【学位级别】：硕士

【部分图文】：

卷积神经网络Fig.2-7Convolutionalneuralnetwork

本地窗口中的神经元被连接，并且具有参数的过滤器对于层中的所有神经元是相同的。 如图2-8 所示，卷积层和下一层之间的连接数大大减少, 所有的同颜色连接上的权重是相同的。这样就大大减少了参数，加速了训练速度。图 2-8 局部连接和参数共享Fig. 2-8 Local connection and parameter sharing

CNN在自然语语句中的应用Fig.2-9ApplicationofCNNinnaturallanguagesentences

【参考文献】：
期刊论文
[1]基于Bi-LSTM和CNN并包含注意力机制的社区问答问句分类方法[J]. 史梦飞,杨燕,贺樑,陈成才.  计算机系统应用. 2018(09)



本文编号：3615029