关于实体关系信息在答案选择网络中应用

论文摘要

论文研究利用神经网络模型解决答案选择问题时,如何有效融入外部知识库关系信息对模型效果进行优化。文章使用深层神经网络、双向注意力机制等算法,将问答句中单词对应的空间词向量进行编码,得到问答句的句矩阵表示,并将句矩阵压缩为句向量表示,通过比对问答句句向量间的特征,判断两句话是否存在问答关系。文章在句矩阵压缩为句向量的池化步骤中,融入了知识库关系信息,优化了句子中单词之间的权重。模型在WikiQA和TRECQA两个数据集上进行对比实验,MAP、MRR两个指标均有提升,证明此方法的有效性。

论文目录

• 1 引言
• 2 相关工作
• 3 模型
•   3.1 BiLSTM编码空间词向量
•   3.2 引入双向注意力机制
•   3.3 提取知识库关系信息
•   3.4 计算句向量表示
•   3.5 归一化处理
• 4 实验
•   4.1 数据
•   4.2 评估指标
•   4.3 参数设置
•   4.4 实验结果
•   4.5 优化分析
•   4.6 实验结论
• 5 结论

文章来源

类型: 期刊论文

作者: 毛鹏,苗航

关键词: 深层神经网络,关系信息,注意力机制,池化

来源: 电子技术与软件工程 2019年24期

年度: 2019

分类: 信息科技

专业: 互联网技术,自动化技术

单位: 北京邮电大学信息与通信工程学院模式识别实验室

分类号: TP393.1;TP183

页码: 23-25

总页数: 3

文件大小: 1863K

下载量: 32