基于MAC-LSTM的问题分类研究

来源：计算机应用研究杂志2020年第1期北京时间：

作者：余本功,许庆堂,张培行,

单位：合肥工业大学a.管理学院;b.过程优化与智能决策教育部重点实验室,合肥230009；

摘要：针对问句文本通常较短、语义信息与词语共现信息不足等问题，提出一种多层级注意力卷积长短时记忆模型（multi-level attention convolution LSTM neural network，MAC-LSTM）的问题分类方法。相比基于词嵌入的深度学习模型，该方法使用疑问词注意力机制对问句中的疑问词特征重点关注。同时，使用注意力机制结合卷积神经网络与长短时记忆模型各自文本建模的优势，既能够并行方式提取词汇级特征，又能够学习更高级别的长距离依赖特征。实验表明，该方法较传统的机器学习方法和普通的卷积神经网络、长短时记忆模型有明显的效果提升。

关键词：问答系统,问题分类,注意力机制,疑问词注意力机制,卷积神经网络,长短时记忆模型,

基金资助：国家自然科学基金资助项目(71671057)；；