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

被引：10

作者：

史梦飞 ^{[1
]}

杨燕 ^{[1
]}

贺樑 ^{[1
]}

陈成才 ^{[2
]}

机构：

[1] 华东师范大学计算机科学与软件工程学院

[2] 上海智臻智能网络科技股份有限公司

来源：

计算机系统应用 | 2018年 / 27卷 / 09期

关键词：

问句分类; 答案集; 注意力机制; 深度神经网络;

D O I：

10.15888/j.cnki.csa.006536

中图分类号：

TP391.1 [文字信息处理];

学科分类号：

081203 ; 0835 ;

摘要：

问句分类的目标是将用户提出的自然语言问句分到预先设定的类别.在社区问答中,如何准确高效的对问句进行分类是一项重要任务.本文提出了一种基于深度神经网络的问句分类方法,该方法首先将问句用词向量进行表示,然后用融合双向长短时记忆网络(Bi-LSTM)和卷积神经网络(CNN)结构并包含注意力机制的深度学习模型提取问句特征进行分类.该方法的特色在于利用Bi-LSTM和CNN在句子级文本表示的优点,充分捕捉问句特征,并结合问句的对应答案来表示问句,丰富了问句信息.实验表明,该问句分类方法准确率较高,在多个数据集上取得不错结果.

引用

页码：157 / 162

页数：6

共 4 条

[1] 基于卷积神经网络的烟瘾渴求脑电分类 [J].