典型文献
基于深度学习的短文本语义相似度计算模型
文献摘要：
基于深度学习的短文本语义相似度度量方法是现代自然语言处理任务的基石,其重要性不言而喻.本文提出一种基于卷积神经网络和双向门控循环单元的文本编码模型,通过卷积层提取重要语义并且通过双向门控循环单元保证语义顺序,采用孪生神经网络结构保证文本编码的一致性.选取传统的卷积神经网络和长短期记忆网络以及BERT模型进行对比验证,在Quora、Sick和MSRP数据集上的验证结果表明,本文模型的精确率和召回率表现优异,且F1值也优于传统模型.
文献关键词：
自然语言处理;语义相似度;卷积神经网络;长短期记忆网络;门控循环单元
中图分类号：
作者姓名：
周圣凯;富丽贞;宋文爱
作者机构：
中北大学 软件学院, 山西 太原030051;山西省军民融合软件工程技术研究中心,山西 太原030051
文献出处：
引用格式：
[1]周圣凯;富丽贞;宋文爱-.基于深度学习的短文本语义相似度计算模型)[J].广西师范大学学报（自然科学版）,2022(03):49-56
A类：
MSRP
B类：
短文本,文本语义,语义相似度,相似度计算,相似度度量方法,自然语言处理,不言而喻,双向门控循环单元,文本编码,卷积层,孪生神经网络,神经网络结构,长短期记忆网络,BERT,对比验证,Quora,Sick,精确率,召回率,传统模型
AB值：
0.273225
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
