摘要: 本文提出了基于词汇语义特征的跳跃卷积模型LSF-SCNN,通过引入三种优化策略:词汇语义特征LSF、跳跃卷积SC和K-Max均值采样KMA分别在词语、短语、句子粒度抽取更加丰富的语义特征,从而更好的在向量空间构建短文本语义表达模型,并广泛的适用于问答系统QA、释义识别PI和文本蕴含TE等计算成对儿出现的短文本的相似度的任务中。
本文提出了基于词汇语义特征的跳跃卷积模型LSF-SCNN,通过引入三种优化策略:词汇语义特征LSF、跳跃卷积SC和K-Max均值采样KMA分别在词语、短语、句子粒度抽取更加丰富的语义特征,从而更好的在向量空间构建短文本语义表达模型,并广泛的适用于问答系统QA、释义识别PI和文本蕴含TE等计算成对儿出现的短文本的相似度的任务中。
热点热议
LSF-SCNN:一种基于CNN的短文本表达模型及相似度计算的全新优化模型
作者:阡阳
作者:【方向】
【沉淀】访谈阿里孙伟光:多行善事莫问前程的他,将计算集群的CPU利用率从30%提升到70%+
作者:【沉淀】
知识整理
作者:琴瑟
作者:王小雷
作者:scorpion 发表在:阿里云 Serverless Computing
作者:仁太
美文回顾
作者:钱小七同学
作者:祁同伟
作者:祁同伟
作者:冯嘉
作者:卢子召
作者:乔布斯之魂
往期精选回顾
版权声明:本文内容由互联网用户自发贡献,本社区不拥有所有权,也不承担相关法律责任。如果您发现本社区中有涉嫌抄袭的内容,欢迎发送邮件至:yqgroup@service.aliyun.com 进行举报,并提供相关证据,一经查实,本社区将立刻删除涉嫌侵权内容。