论文部分内容阅读
在问答系统中,针对传统神经网络模型在语义匹配准确度不高的问题,提出一种基于双向长短时记忆网络(biLSTM)的快速堆叠编码(SSE)结构融合数据挖掘方法的文本相似度计算模型。该模型先以迁移学习思想将相似度计算的文本量化,分别利用余弦距离和编辑距离计算文本相似度的方法和基于biLSTM结构的三层SSE编码器结构提取文本特征,再将两者提取的特征融合作为最终文本相似度计算特征。实验结果表明,以数据挖掘方法结合SSE模型的F1值高于传统神经网络结构模型。