【技术实现步骤摘要】
本专利技术涉及网络信息处理领域。更具体地说，本专利技术涉及一种文本深度语义匹配方法及其匹配装置。
技术介绍
1、短文本匹配技术是自然语言处理领域中的一个核心任务，随着深度学习技术的广泛开展，深度短文本匹配方法成为了当下研究的重点。现有深度匹配方法主要可分为基于表示聚焦的方法和基于交互聚焦的方法两类，注重表示的方法通常侧重于学习每个句子的表示，而注重交互表示的方法通常侧重于获得不同交互信号的表示。
2、首先，基于聚焦的表示方法首先将待匹配的两个句子映射到同一空间中，编码为一个稠密向量，然后定义不同的函数来计算两个句子在向量空间中的距离，并将该距离作为两个句子向量的相似度匹配得分，采用递归神经网络构建句子的稠密向量表示是一种常见的做法，由于递归神经网络的特征，在处理序列数据时能够比较好的捕获句子上下文本身的关联信息，使得句子层次上建模复杂的语义表示。
3、然而基于聚焦表示的方法在进行文本对的匹配时忽略了两个句子间的交互信息，为了解决这个问题，人们提出了一种关注交互的方法。它转向在单词层次上捕获两个文本之间更多的交互关...
【技术保护点】
1.文本深度语义匹配方法，其特征在于，包括：
2.如权利要求1所述的文本深度语义匹配方法，其特征在于，所述通过深度学习方法对整合向量矩阵进行处理得到两个文本的匹配程度，包括：
3.如权利要求2所述的文本深度语义匹配方法，其特征在于，所述利用空间循环神经网络对整合向量矩阵进行处理，得到两个文本间的全局交互张量，具体处理过程为：
4.如权利要求2所述的文本深度语义匹配方法，其特征在于，所述利用最大池化采样方法对全局交互张量进行处理，得到最强交互信息向量，具体包括：
5.如权利要求1所述的文本深度语义匹配方法，其特征在于，所述...
【技术特征摘要】
1.文本深度语义匹配方法，其特征在于，包括：
2.如权利要求1所述的文本深度语义匹配方法，其特征在于，所述通过深度学习方法对整合向量矩阵进行处理得到两个文本的匹配程度，包括：
3.如权利要求2所述的文本深度语义匹配方法，其特征在于，所述利用空间循环神经网络对整合向量矩阵进行处理，得到两个文本间的全局交互张量，具体处理过程为：
4.如权利要求2所述的文本深度语义匹配方法，其特征在于，所述利用最大池化采样方法对全局交互张量进行处理，得到最强交互信息向量，具体包括：
5.如权利要求1所述的文本深度语义匹配方法，其特征在于，所述得到词语级别的交互表示向量矩阵，具体过程为：
6.如权利要求5所述的文本深度语义匹配方法，其特征在于，在对文本q和文本p中的每个词向量进行堆叠前，还包括：使用循环神经网络...
【专利技术属性】
技术研发人员：朱晓航，陈彤，刘星辰，王鹏，刘界儒，
申请(专利权)人：国家计算机网络与信息安全管理中心，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。