-
题名基于RCNN的问题相似度计算方法
被引量：12
- 1
-
-
作者
杨德志
柯显信
余其超
杨帮华
-
机构
上海大学机电工程与自动化学院
-
出处
《计算机工程与科学》
CSCD
北大核心
2021年第6期1076-1080,共5页
-
基金
国防基础科研计划项目(JCKY2017413C002)。
-
文摘
在搜索引擎、问答系统中利用深度学习的方法计算问题相似度是NLP领域研究的热点。结合卷积神经网络(CNN)和长短记忆网络(LSTM),提出了递归卷积神经网络(RCNN)问句相似度的计算方法,首先利用双向递归神经网络提取上下文信息,然后采用1D卷积神经网络将词嵌入信息与上下文信息进行融合;再利用全局最大池化提取关键信息来完成问句的语义表示;最后通过匹配层判断问句对的相似度。在Quora Question Pairs数据集上的实验结果表明,该相似度计算方法准确率为83.57%,优于其他方法。
-
关键词
问题相似度
递归卷积神经网络
全局最大池化
孪生网络
-
Keywords
question similarity
recursive convolutional neural network
global maximum pooling
siamese network
-
分类号
TP391.1
[自动化与计算机技术—计算机应用技术]
-
-
题名煤矿安全知识问答系统的答案生成模型研究
- 2
-
-
作者
于非凡
董立红
秦昳
-
机构
西安科技大学计算机科学与技术学院
-
出处
《现代电子技术》
北大核心
2025年第2期61-69,共9页
-
基金
陕西省自然科学基础研究计划(2020JQ-758)
煤炭行业教育研究课题(2021MXJG020)。
-
文摘
随着国家和煤矿行业对煤矿应急管理要求的逐步提高,对煤矿安全知识的学习也提出了更高的要求,因此建立一种煤矿安全知识智能问答模型。有效学习煤矿安全知识,对于确保煤矿企业工作人员的人身安全和预防煤矿安全事故的发生至关重要。首先,基于RoBERTa-wwm算法自动生成问答对数据,获取并分析煤矿安全知识原始文本数据,定义问题类型并标注问答对;然后,结合RoBERTa-wwm与UniLM,采用点互信息与邻接熵发现新词扩充领域词典,提出问答对自动生成算法,同时构建煤矿安全培训知识问答对数据集,解决煤矿安全知识系统问答对数据集问题;最后,引入问题相似度机制,针对无法回答问题和无关问题提出答案生成策略,构建基于问题相似度机制的答案生成模型,使其只关注可回答问题,从而提升模型的推理能力。实验结果表明,所提出的煤矿安全知识问答系统答案生成模型可有效识别无法回答和无关的问题,能够为煤矿企业工作人员提供知识支持,最大程度地提升煤矿企业工作人员安全培训学习效果。
-
关键词
智能问答系统
煤矿安全
答案生成
RoBERTa-wwm
UniLM
点互信息
邻接熵
问题相似度
-
Keywords
intelligent question answering system
coal mine safety
answer generation
RoBERTa-wwm
UniLM
point mutual information
adjacency entropy
problem similarity
-
分类号
TN929.5-34
[电子电信—通信与信息系统]
TP391
[自动化与计算机技术—计算机应用技术]
-
