發(fā)布時間：2022-02-08 12:00

　　問答系統(tǒng)通常由問題分析模塊、檢索模塊、答案抽取和答案選擇四個部分組成。答案選擇是一個典型問答系統(tǒng)的關鍵組成部分,答案選擇問題可以表述如下:給出問題q和候選答案?a₁,a ₂,...,a_s?,我們的目標是找到最佳候選答案a_k,其中1?k?s。答案句是具有任意長度的標記序列,并且問題可以對應于多個基本正確的答案句。傳統(tǒng)方法在研究答案選擇任務的時候通常使用特征工程以及語言工具,對句子分詞,句子詞性標注、語法分析、句法分析,人工提取文本特征,然后計算答案與問題的語義相似度,并依據(jù)相似度進行排序選取出與問題最相似的答案句作為問題的最終答案,這些方法雖然取得了一定的效果,具有這幾點不足:（1）人工提取文本特征具有人的主觀性,不能很好很全面客觀的理解所有的問題;（2）要想獲得好的文本特征,就需要人工不斷調(diào)整特征提取策略;（3）使用特征工程以及語言工具會帶來的系統(tǒng)復雜性的影響。相比使用特征工程以及語言工具,深度學習能夠主動學習文本中的語義信息,更好的提取文本的特征。本文針對問答系統(tǒng)中答案選擇任務提出了一個不需要任何... 

【文章來源】：廣東工業(yè)大學廣東省

【文章頁數(shù)】：62 頁

【學位級別】：碩士

【部分圖文】：

卷積神經(jīng)網(wǎng)絡Fig.2-7Convolutionalneuralnetwork

本地窗口中的神經(jīng)元被連接，并且具有參數(shù)的過濾器對于層中的所有神經(jīng)元是相同的。 如圖2-8 所示，卷積層和下一層之間的連接數(shù)大大減少, 所有的同顏色連接上的權重是相同的。這樣就大大減少了參數(shù)，加速了訓練速度。圖 2-8 局部連接和參數(shù)共享Fig. 2-8 Local connection and parameter sharing

CNN在自然語語句中的應用Fig.2-9ApplicationofCNNinnaturallanguagesentences

【參考文獻】：
期刊論文
[1]基于Bi-LSTM和CNN并包含注意力機制的社區(qū)問答問句分類方法[J]. 史夢飛,楊燕,賀樑,陳成才.  計算機系統(tǒng)應用. 2018(09)



本文編號：3615029