第３５卷第３期重庆邮电大学学报(自然科学版)Ｖｏｌ.３５Ｎｏ.３２０２３年６月ＪｏｕｒｎａｌｏｆＣｈｏｎｇｑｉｎｇＵｎｉｖｅｒｓｉｔｙｏｆＰｏｓｔｓａｎｄＴｅｌｅｃｏｍｍｕｎｉｃａｔｉｏｎｓ(ＮａｔｕｒａｌＳｃｉｅｎｃｅＥｄｉｔｉｏｎ)Ｊｕｎ.２０２３ＤＯＩ:１０.３９７９/ｊ.ｉｓｓｎ.１６７３￣８２５Ｘ.２０２１１２１５０４３３融合多路注意力机制的语句匹配模型收稿日期:２０２１￣１２￣１５修订日期:２０２３￣０３￣０３通讯作者:王进ｗａｎｇｊｉｎ＠ｃｑｕｐｔ.ｅｄｕ.ｃｎ基金项目:国家重点研发计划专项(ＳＱ２０２１ＹＦＥ０１０５５９)ＦｏｕｎｄａｔｉｏｎＩｔｅｍ:ＴｈｅＮａｔｉｏｎａｌＫｅｙＲｅｓｅａｒｃｈａｎｄＤｅｖｅｌｏｐｍｅｎｔＰｒｏｇｒａｍ(ＳＱ２０２１ＹＦＥ０１０５５９)王进ꎬ刘麒麟ꎬ马樱仪ꎬ孙开伟ꎬ胡珂(重庆邮电大学数据工程与可视计算重庆市重点实验室ꎬ重庆４０００６５)摘要:为了增强语句内关键信息和语句间交互信息的表征能力ꎬ有效整合匹配特征ꎬ提出一种融合多路注意力机制的语句匹配模型ꎮ采用双向长短时记忆网络获取文本的编码信息ꎬ通过自注意力机制学习语句内部的关键信息ꎻ将编码信息和自注意力信息拼接之后ꎬ通过多路注意力机制学习语句间的交互信息ꎻ结合并压缩多路注意力层之前和之后的信息ꎬ通过双向长短时记忆网络进行池化获得最终的语句特征ꎬ经过全连接层完成语句匹配ꎮ实验结果表明ꎬ该模型在ＳＮＬＩ和ＭｕｌｔｉＮＬＩ数据集上进行的自然语言推理任务、在ＱｕｏｒａＱｕｅｓｔｉｏｎＰａｉｒｓ数据集上进行的释义识别任务和在ＳＱｕＡＤ数据集上进行的问答语句选择任务中均表现出了更好效果ꎬ能够有效提升语句匹配的性能ꎮ关键词:语句匹配ꎻ注意力机制ꎻＢｉ￣ＬＳＴＭꎻ深度学习中图分类号:ＴＰ３９１文献标志码:Ａ文章编号:１６７３￣８２５Ｘ(２０２３)０３￣０５２０￣０８Ｓｅｎｔｅｎｃｅｍａｔｃｈｉｎｇｍｏｄｅｌｆｕｓｅｄｗｉｔｈｍｕｌｔｉ￣ｃｈａｎｎｅｌａｔｔｅｎｔｉｏｎｍｅｃｈａｎｉｓｍＷＡＮＧＪｉｎꎬＬＩＵＱｉｌｉｎꎬＭＡＹｉｎｇｙｉꎬＳＵＮＫａｉｗｅｉꎬＨＵＫｅ(ＫｅｙＬａｂｏｒａｔｏｒｙｏｆＤａｔａＥｎｇｉｎｅｅｒｉｎｇａｎｄＶｉｓｕａｌＣｏｍｐｕｔｉｎｇꎬＣｈｏｎｇｑｉｎｇＵｎｉｖｅｒｓｉｔｙｏｆＰｏｓｔｓａｎｄＴｅｌｅｃｏｍｍｕｎｉｃａｔｉｏｎｓꎬＣｈｏｎｇｑｉｎｇ４０００６５ꎬＰ.Ｒ.Ｃｈｉｎａ)Ａｂｓｔｒａ...
