基于可分解注意力机制的医疗问句语义匹配研究

发布时间：2022-12-22 19:17

　　问句语义匹配旨在判定给定的两个语句的语义信息是否匹配,在信息检索、自动问答、机器翻译等领域应用广泛,是自然语言处理研究的一个关键问题。现有基于机器学习或深度学习的问句语义匹配任务大多采用对整个句子构建语义信息表示,而忽视了语句各组成部分所蕴含的具体细节信息。提出一种基于可分解注意力机制的语义匹配模型（Decomposable Attention based Semantic Matching,DASM）,该模型首先使用软注意力机制将整个序列问句分解为可以独立解决的子问句,使得子问句间权重计算可以并行;然后结合注意力机制充分捕获问句中潜在的语义信息,从而提高问句匹配任务的性能。实验结果表明,本文方法提高了问句语义匹配的准确性和模型性能。 

【文章页数】：6 页

【文章目录】：
1 研究现状
2 基于可分解注意力机制的语义匹配模型
    2.1 问题描述
    2.2 模型概述
    2.3 嵌入层
    2.4 可分解注意力机制
    2.5 语义匹配模块层
3 实验
    3.1 实验数据
    3.2 评价方法
    3.3 实验设置
    3.4 训练过程
    3.5 实验结果分析
4 结语


【参考文献】：
期刊论文
[1]基于人工智能技术的医学知识问答系统研究[J]. 陆森,徐霄玲,陈园园,赵逸凡,刘婷,叶萍,韩宝三.  软件导刊. 2019(12)
[2]基于注意力和字嵌入的中文医疗问答匹配方法[J]. 陈志豪,余翔,刘子辰,邱大伟,顾本刚.  计算机应用. 2019(06)
[3]基于BiGRU-attention神经网络的文本情感分类模型[J]. 王伟,孙玉霞,齐庆杰,孟祥福.  计算机应用研究. 2019(12)
[4]一种双向长短时记忆循环神经网络的问句语义关系识别方法[J]. 姜华,欧阳红,方红旺,胡海英,刘玉玺.  福州大学学报(自然科学版). 2018(01)



本文编号：3723884