基于语义扩展与注意力网络的问题细粒度分类

来源：计算机工程杂志2019年第1期北京时间：

作者：谢雨飞,吕钊

单位：华东师范大学 计算机科学技术系,上海 200062

摘要：针对问题文本细粒度分类中文本特征稀疏、文本整体特征相似、局部差异特征较难提取的特点,提出基于语义扩展与注意力网络相结合的分类方法。通过依存句法分析树提取语义单元,在向量空间模型中计算语义单元周围的相似语义区域并进行扩展。利用长短期记忆网络模型对扩展后的文本进行词编码,引入注意力机制生成问题文本的向量表示,根据Softmax分类器对问题文本进行分类。实验结果表明,与传统的基于深度学习网络的文本分类方法相比,该方法能够提取出更重要的分类特征,具有较好的分类效果

关键词：细粒度分类,依存句法,语义扩展,长短期记忆网络,注意力网络

基金资助：上海市科学技术委员会科研计划项目(16511102702)