一种双向长短时记忆循环神经网络的问句语义关系识别方法

2018年第01期

关键词:
语义关系识别;长短时记忆;循环神经网络;梯度弥散;语义特征

Keywords
semantic relation identification;long short term memory;recurrent neural network;gradient diffusion;semantic feature
摘要
     提出一种基于双向长短时记忆循环神经网络的问句语义关系识别方法.利用循环神经网络直接从词学习问句的语义特征表示,不需要自然语言处理工具进行特征抽取,有效避免了误差传递问题.同时,在网络中加入双向结构和长短时记忆模块,有效改善传统循环神经网络在训练过程中的"梯度弥散"问题.加入基于主实体位置的分段最大池化操作,相对于传统单一最大池化,能保留问句文本中的有效语义特征.通过在电力领域真实问题集上实验比较,本方法相对于传统方法能有效提升问句语义关系识别的性能,问句语义关系分类结果F1值提高4.5%.


本文地址:www.fabiao.net/content-21-9286-1.html

上一篇:基于变分贝叶斯推理的高光谱图像恢复
下一篇:一种支持向量机和数字图像相结合的能见度检测算法

分享到: 分享一种双向长短时记忆循环神经网络的问句语义关系识别方法到腾讯微博           收藏
评论排行
公告