基于自学习近邻图策略的短文本匹配方法

针对自然语言处理中的文本匹配问题,提出一种基于自学习文本近邻图框架的深度学习模型,以处理短文本匹配问题.文本近邻图可使用词嵌入将文本转换为向量形式,再通过构建文本相似度关系矩阵获得,可表达文本样本的近邻关系.现有方法通常构造静态的近邻图,这些方法一方面依赖先验知识,另一方面难以获得句子对的最优表示.因此,提出了利用孪生卷积神经网络学习更优的动态更新的近邻图.该模型在Quora数据集上的准确率和F1值分别是84.15％和79.88％,在MSRP数据集上的准确率和F1值分别是74.55％和81.63％.实验表明,提出模型能有效地提高文本识别和匹配的准确率.