8月3日云栖精选夜读：LSF-SCNN：一种基于CNN的短文本表达模型及相似度计算的全新优化模型
2017-08-03 3712
简介：
本文提出了基于词汇语义特征的跳跃卷积模型LSF-SCNN，通过引入三种优化策略：词汇语义特征LSF、跳跃卷积SC和K-Max均值采样KMA分别在词语、短语、句子粒度抽取更加丰富的语义特征，从而更好的在向量空间构建短文本语义表达模型，并广泛的适用于问答系统QA、释义识别PI和文本蕴含TE等计算成对儿出现的短文本的相似度的任务中。
版权声明：本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。
作者高分内容
更多
相关文章
【论文泛读】 ResNeXt：深度神经网络的聚合残差变换（ResNet的改进，提出了一种新的维度）
【论文泛读】 ResNeXt：深度神经网络的聚合残差变换（ResNet的改进，提出了一种新的维度）
0
0
LSF-SCNN：一种基于CNN的短文本表达模型及相似度计算的全新优化模型
本文提出了基于词汇语义特征的跳跃卷积模型LSF-SCNN，通过引入三种优化策略：词汇语义特征LSF、跳跃卷积SC和K-Max均值采样KMA分别在词语、短语、句子粒度抽取更加丰富的语义特征，从而更好的在向量空间构建短文本语义表达模型，并广泛的适用于问答系统QA、释义识别PI和文本蕴含TE等计算成对儿出现的短文本的相似度的任务中。
10139
0
作者高分内容
更多
文章排行榜
最热
最新
