2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩76頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)

文檔簡介

1、文本蘊含識別是自然語言處理領(lǐng)域里一個關(guān)鍵而又充滿挑戰(zhàn)的任務(wù)。它被廣泛地應(yīng)用于機器翻譯、文檔自動文摘和語義檢索等任務(wù)中。近十年來,得益于相關(guān)語義評測比賽的推動,文本蘊含識別逐漸吸引起越來越多研究者的關(guān)注。早期解決該任務(wù)的方法主要集中在人工抽取特征結(jié)合分類器的方案上。這類方法有兩個缺陷,一是非常依賴于許多并不完善的基礎(chǔ)NLP技術(shù),所以錯誤傳播問題在這類方法中普遍存在;二是在人工構(gòu)建和提取特征的過程中通常需要大量外部語義資源的支持,會耗費較多

2、的人力和時間。隨著深度學(xué)習(xí)技術(shù)的迅速發(fā)展,越來越多的研究者開始利用神經(jīng)網(wǎng)絡(luò)模型來解決NLP任務(wù),并且取得了許多突破性成就。端到端的神經(jīng)網(wǎng)絡(luò)能夠有效地避免上述兩個缺陷。近期發(fā)布的StanfordNaturalLanguage Inference語料庫,其訓(xùn)練集規(guī)模相比于同類評測語料庫有了兩個量級的增長,這使得利用深度學(xué)習(xí)方法來解決文本蘊含任務(wù)成為了可能。目前,基于深度神經(jīng)網(wǎng)絡(luò)的文本蘊含識別方法主要分為兩類:基于句子表示的模型和基于句子匹配

3、的模型。絕大多數(shù)已提出的方法都利用LSTM進行句子編碼。本文的主要研究工作結(jié)合上述三種文本蘊含識別方法展開:
  1.基于邏輯回歸模型的文本蘊含識別。這部分工作作為本文中的一種基線方法。針對SNLI語料庫規(guī)模較大的特點,提取四類與模式匹配和句子相似度相關(guān)的特征,然后對特征進行簡單過濾去除冗余,最后利用邏輯回歸模型完成分類任務(wù)。
  2.基于句子表示的文本蘊含識別。實現(xiàn)基于暹羅網(wǎng)絡(luò)結(jié)構(gòu)的文本蘊含識別模型。提出了一種基于雙向LS

4、TM的句子編碼方法,前提句和假設(shè)句分別獨立編碼,產(chǎn)生兩個句子表示,然后通過連接、按位相乘和按位相減操作進行句子匹配,最后通過Softmax分類。
  3.融合Attention機制的文本蘊含識別。提出了基于LSTM的前提假設(shè)合并輸入的句子匹配模型。然后將Attention機制應(yīng)用于本文提出的兩個模型中。通過Attention對句子中單詞的重要性進行了區(qū)分,利用Attention權(quán)重來得到更加準確的句子表示。SNLI語料庫上的實驗證

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論