基于自学习近邻图策略的短文本匹配方法

作者：付聪; 李六武; 杨振国; 刘文印

来源：计算机应用研究, 2020, (06): 1697-1701.

DOI：10.19734/j.issn.1001-3695.2018.12.0877

• 文本匹配
• 自学习近邻图
• 词嵌入
• 孪生卷积神经网络 text matching
• self-adaptive affinity graph learning
• word embedding
• Siamese CNN

针对自然语言处理中的文本匹配问题,提出一种基于自学习文本近邻图框架的深度学习模型,以处理短文本匹配问题。文本近邻图可使用词嵌入将文本转换为向量形式,再通过构建文本相似度关系矩阵获得,可表达文本样本的近邻关系。现有方法通常构造静态的近邻图,这些方法一方面依赖先验知识,另一方面难以获得句子对的最优表示。因此,提出了利用孪生卷积神经网络学习更优的动态更新的近邻图。该模型在Quora数据集上的准确率和F1值分别是84. 15%和79. 88%,在MSRP数据集上的准确率和F1值分别是74. 55%和81. 63%。实验表明,提出模型能有效地提高文本识别和匹配的准确率。