资料下载
×
一种全新的多阶段注意力答案选取模型
消耗积分:0 |
格式:rar |
大小:1.33 MB |
2021-03-24
分享资料个
自动问答系统可以帮助人们快速从海量文本中提取出有效信息，而答案选取作为其中的关键一步，在很大程度上影响着自动问答系统的性能。针对现有答案选择模型中答案关键信息捕获不准确的问题，本文提岀了种融合语义信息与问题关键信息的多阶段注意力答案选取模型。该方法首先利用双向LSTM模型分别对问题和候选答案进行语义表示;然后采用问题的关键信息，包括问题类型和问题中心词，利用注意力机制对候选答案集合进行信息增强，筛选ˆopK个候选答案;然后采用问题的语义信息，再次利用注意力机制对TopK个候选答案集合进行信息增强，筛选出最佳答案。通过分阶段地将问题的关键信息和语义信息与候选答案的语义表示相结合，有效提高了对候选答案关键信息的捕获能力，从而提升了答案选取系统的性能。在三个数据集上对本文所提出的模型进行验证，相较已知同类最好模型，最高性能提升达1.95%。
声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表电子发烧友网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。 举报投诉
评论(0)
发评论
- 相关下载
- 相关文章
