隨著深度學(xué)習(xí)的快速發(fā)展,自然語言處理基礎(chǔ)技術(shù)不斷成熟,人們越來越關(guān)注語義理解的相關(guān)研究。應(yīng)用中判斷機器是否理解自然語言的標準之一是相同語義的不同表達,即復(fù)述。復(fù)述任務(wù)在機器翻譯、摘要生成、信息檢索、信息抽取和自動問答等多項自然語言處理任務(wù)上被廣泛應(yīng)用,有著極其重要的研究價值。復(fù)述研究主要分為復(fù)述檢測和復(fù)述生成兩個研究方向。復(fù)述檢測是判斷兩個句子是否具有相同的語義信息的分類任務(wù),復(fù)述生成則是研究多樣化表達方式的自然語言句子的生成任務(wù),要求生成的句子具有相同的語義含義。復(fù)述研究與語義理解息息相關(guān),自然語言句子的多樣性和復(fù)雜性,導(dǎo)致相同的詞語在不同的語境下含義不同,相同的句意也可以對應(yīng)不同的表達,這為復(fù)述研究帶來了挑戰(zhàn)。早期的復(fù)述技術(shù)依賴于規(guī)則模板,需要根據(jù)語言設(shè)計規(guī)則,耗時費力并且可擴展性差。隨著深度學(xué)習(xí)技術(shù)的成熟,基于注意力機制的端到端的序列生成模型成為復(fù)述生成的研究熱點之一。這種方法強調(diào)通過訓(xùn)練數(shù)據(jù)學(xué)習(xí)序列間具體的映射關(guān)系,并不能很好做到語義理解。不同于此類工作,本文認為語義理解的基礎(chǔ)是能建模普適性句子表示,并通過此表示得到滿足復(fù)述問題的結(jié)果。本文立足于語義理解的研究,研究通過集成學(xué)習(xí)...

【文章頁數(shù)】：98 頁

【學(xué)位級別】：碩士

本文編號：3879816