模式识别与人工智能
2025年4月4日 星期五   首 页     期刊简介     编委会     投稿指南     伦理声明     联系我们                                                                English
模式识别与人工智能  2019, Vol. 32 Issue (5): 455-462    DOI: 10.16451/j.cnki.issn1003-6059.201905008
研究与应用 最新目录| 下期目录| 过刊浏览| 高级检索 |
结合外部知识的动态多层次语义抽取网络模型
姜文超1,2, 庄志刚1, 涂旭平2, 利传杰3, 刘海波1
1.广东工业大学 计算机学院 广州 510006;
2.广东电子工业研究院 东莞 523808;
3.广东广信通信服务有限公司 广州 510630
Dynamic Multiple-level Semantic Extraction Model Based on External Knowledge
JIANG Wenchao1,2, ZHUANG Zhigang1, TU Xuping2, LI Chuanjie3, LIU Haibo1,
1.School of Computers, Guangdong University of Technology,Guangzhou 510006;
2.Guangdong Electronics Industry Institute, Dongguan 523808;
3.Guangdong Guangxin Communications Services Company Ltd., Guangzhou 510630

全文: PDF (646 KB)   HTML (0 KB) 
输出: BibTeX | EndNote (RIS)      
摘要 针对复杂多文本机器阅读理解任务中的语义理解与答案提取问题,提出结合外部知识的动态多层次语义理解与答案抽取模型.首先利用改进的门控单元循环神经网络匹配文本内容与问题集,分别在向量化文本内容及问题集上实施多维度动态双向注意力机制分析,提高语义匹配精度.然后利用动态指针网络确定问题答案范围,改进网络模型语义匹配效率,降低答案提取冗余度.最后结合外部知识与经验改进候选答案精准性排序,得到最终答案.实验表明文中模型的语义匹配与答案提取精度显著提升,对不同领域的复杂文本阅读理解任务具有较高的鲁棒性.
服务
把本文推荐给朋友
加入我的书架
加入引用管理器
E-mail Alert
RSS
作者相关文章
关键词 机器阅读理解(MRC)语义匹配动态双向注意力机制外部知识    
Abstract:To resolve the problems of semantic understanding and answer extraction in complex multiple context machine reading comprehension environments, a dynamic multiple-level semantic extraction model based on external knowledge is presented. Firstly, the optimized gated single cyclic neural network model is utilized to match the text as well as the problem set. Then, the dynamic multiple-dimension bidirectional attention mechanism analysis is implemented on the text and the problem set respectively to improve the semantic matching precision. Next, a dynamic pointer network is utilized to determine the rank of the answers to the questions. Finally, the candidate answers are sorted based on external knowledge and experiences, and the precision of the final answer is improved further. The experimental results show that problem-answer matching accuracy of the proposed model is significantly improved compared with the mainstream models. Furthermore, the proposed model obtains higher robustness in complex reading comprehension tasks in different application scenes.
Key wordsMachine Reading Comprehension(MRC)    Semantic Matching    Dynamic Bidirectional Attention Mechanism    External Knowledge   
收稿日期: 2018-09-15     
ZTFLH: TP 391.4  
基金资助:国家自然科学基金项目(No.11601006)、广东省自然科学基金项目(No.2018A030313061)、广东省科技计划项目(No.2017B030305003,2017B010124001,2017B090901005)、广东省协同创新与平台环境建设项目(No.2017A070712016)资助
通讯作者: 姜文超(通讯作者),博士,讲师,主要研究方向为云计算、复杂网络、数据挖掘.E-mail: jiangwenchao@gdut.edu.cn.   
作者简介: 庄志刚,硕士研究生,主要研究方向为计算机视觉、图像识别、数据挖掘.E-mail:mutingtao2014@gmail.com.涂旭平,博士,副研究员,主要研究方向为云计算、分布式系统、大数据分析等.E-mail: tuxp@g-cloud.com.cn.利传杰,硕士,高级工程师,主要研究方向为计算机视觉、图像识别、数据挖掘.E-mail:licj@gz2000.net.刘海波,硕士研究生,主要研究方向为计算机视觉、图像识别、数据挖掘.E-mail: bo895142503@163.com.
引用本文:   
姜文超, 庄志刚, 涂旭平, 利传杰, 刘海波. 结合外部知识的动态多层次语义抽取网络模型[J]. 模式识别与人工智能, 2019, 32(5): 455-462. JIANG Wenchao1,2, ZHUANG Zhigang1, TU Xuping2, LI Chuanjie3, LIU Haibo1,. Dynamic Multiple-level Semantic Extraction Model Based on External Knowledge. , 2019, 32(5): 455-462.
链接本文:  
http://manu46.magtech.com.cn/Jweb_prai/CN/10.16451/j.cnki.issn1003-6059.201905008      或     http://manu46.magtech.com.cn/Jweb_prai/CN/Y2019/V32/I5/455
版权所有 © 《模式识别与人工智能》编辑部
地址:安微省合肥市蜀山湖路350号 电话:0551-65591176 传真:0551-65591176 Email:bjb@iim.ac.cn
本系统由北京玛格泰克科技发展有限公司设计开发 技术支持:support@magtech.com.cn