基于可分解注意力机制的医疗问句语义匹配研究

摘要：

问句语义匹配旨在判定给定的两个语句的语义信息是否匹配,在信息检索、自动问答、机器翻译等领域应用广泛,是自然语言处理研究的一个关键问题.现有基于机器学习或深度学习的问句语义匹配任务大多采用对整个句子构建语义信息表示,而忽视了语句各组成部分所蕴含的具体细节信息.提出一种基于可分解注意力机制的语义匹配模型(Decomposable Attention based Semantic Matching,DASM),该模型首先使用软注意力机制将整个序列问句分解为可以独立解决的子问句,使得子问句间权重计算可以并行;然后结合注意力机制充分捕获问句中潜在的语义信息,从而提高问句匹配任务的性能.实验结果表明,本文方法提高了问句语义匹配的准确性和模型性能.

关键词：问句语义匹配、可分解注意力机制、软注意力机制、自然语言处理

所属期刊栏目：31

分类号：G642(高等教育)

资助基金：河南省科技厅科技攻关项目;河南省教育厅科学技术研究重点项目

在线出版日期：2020-05-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：74-79