科研之友
微信
新浪微博
Facebook
分享链接
摘要
目前的搜索引擎仍然存在“重形式，轻语义”的问题，无法做到对搜索关键词和文本的深层次语义理解，因此语义检索成为当前搜索引擎中亟需解决的问题。为了提高搜索引擎的语义理解能力，该文提出一种语义相关度的计算方法。首先，标注了金融类新闻标题实体与新闻正文语义相关度语料1万条，然后建立新闻实体与正文语义相关度计算的BERTCA(Bidirectional Encoder Representation from Transformers Co-Attention)模型，通过使用BERT预训练模型，综合考虑细粒度的实体和粗粒度的正文的语义信息，然后经过协同注意力，实现实体与正文的语义匹配，不仅能计算出金融新闻实体与新闻正文之间的相关度，还能根据相关度阈值来判定相关度类别，实验表明该模型在1万条标注语料上准确率超过95%,优于目前主流模型，最后通过具体搜索示例展示了该模型的优秀性能。
- 单位
