版權(quán)說(shuō)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(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、問(wèn)題分類(QC)是智能問(wèn)答系統(tǒng)的關(guān)鍵技術(shù)之一。問(wèn)題分類與文本分類相似,其目標(biāo)是為每一個(gè)自然語(yǔ)言問(wèn)句分配一個(gè)類別標(biāo)簽,此類別代表的是問(wèn)句期望的最終答案的類型,在問(wèn)答系統(tǒng)中通過(guò)問(wèn)題的類別信息對(duì)候選答案進(jìn)行約束和過(guò)濾。
近年來(lái),隨著問(wèn)答系統(tǒng)的發(fā)展,問(wèn)題分類越來(lái)越受到研究學(xué)者的關(guān)注。早期,學(xué)者們研究了基于規(guī)則的問(wèn)題分類方法,由于規(guī)則不具有通用性,后來(lái)逐漸轉(zhuǎn)變?yōu)榛跈C(jī)器學(xué)習(xí)的問(wèn)題分類研究方法。在基于機(jī)器學(xué)習(xí)的研究方法中,最初研究人員主要
2、探索了基于支持向量機(jī)(SVM)和最大熵模型(ME)在問(wèn)題分類中的應(yīng)用;目前,基于機(jī)器學(xué)習(xí)的問(wèn)題分類模型存在幾點(diǎn)不足之處:(1)傳統(tǒng)機(jī)器學(xué)習(xí)方法(SVM,ME)處理的是定長(zhǎng)數(shù)據(jù),在將長(zhǎng)度長(zhǎng)短不一的問(wèn)句轉(zhuǎn)換為定長(zhǎng)特征時(shí)會(huì)造成信息的丟失;(2)目前的研究方法沒(méi)有考慮數(shù)據(jù)的領(lǐng)域信息,數(shù)據(jù)的領(lǐng)域差別會(huì)造成分類器性能的下降。
針對(duì)上述問(wèn)題,本文中我們提出了基于深層神經(jīng)網(wǎng)絡(luò)模型的問(wèn)題分類方法,首先我們提出了一種基于特征融合的深層神經(jīng)網(wǎng)絡(luò)分類
3、模型。在分類模型中,我們使用句子的unigram詞語(yǔ)特征、詞性特征以及Term Weight特征;分類網(wǎng)絡(luò)的輸入為多種特征向量融合得到的詞嵌入;為解決句子長(zhǎng)度長(zhǎng)短不一的問(wèn)題,網(wǎng)絡(luò)中使用了BLSTM作為網(wǎng)絡(luò)的隱含層,然后分別通過(guò)pooling層和softmax層完成從隱含層的輸出結(jié)果中提取句子特征和對(duì)句子分類的工作。實(shí)驗(yàn)證明,通過(guò)融合多種句子特征,課題中提出的方法能夠取得較好的分類結(jié)果,在粗粒度分類(coarse)和細(xì)粒度分類(fine)
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)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(qǐng)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(qǐng)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(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)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(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)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(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于深度學(xué)習(xí)的問(wèn)題分類組合模型研究.pdf
- 基于深度學(xué)習(xí)的圖像分類的研究.pdf
- 基于深度學(xué)習(xí)的肺部組織分類研究.pdf
- 基于深度學(xué)習(xí)模型的圖像分類研究.pdf
- 基于深度學(xué)習(xí)的文本情感分類研究.pdf
- 基于深度學(xué)習(xí)的文檔分類方法研究.pdf
- 基于深度學(xué)習(xí)的極化SAR分類研究.pdf
- 基于深度學(xué)習(xí)的癌癥分類模型研究.pdf
- 基于深度學(xué)習(xí)的油畫(huà)分類研究.pdf
- 基于深度學(xué)習(xí)的圖像情感分類研究.pdf
- 基于深度學(xué)習(xí)的網(wǎng)頁(yè)分類算法研究.pdf
- 基于深度學(xué)習(xí)的圖像分類方法研究.pdf
- 基于深度學(xué)習(xí)的文本分類研究.pdf
- 基于深度學(xué)習(xí)的醫(yī)學(xué)圖像分類方法研究.pdf
- 基于深度學(xué)習(xí)的短信分類技術(shù)研究.pdf
- 基于深度學(xué)習(xí)的醫(yī)學(xué)圖像模式分類研究.pdf
- 基于分層深度學(xué)習(xí)的行人分類方法研究.pdf
- 基于深度學(xué)習(xí)的網(wǎng)絡(luò)流量分類研究.pdf
- 關(guān)于圖像分類問(wèn)題的幾種深度學(xué)習(xí)策略研究.pdf
- 基于深度學(xué)習(xí)的圖像分類技術(shù)研究.pdf
評(píng)論
0/150
提交評(píng)論