ESM:一种增强语义匹配的语句评分模型

计算机工程与科学

• 人工智能与数据挖掘 • 上一篇

ESM:一种增强语义匹配的语句评分模型

曹小鹏，邵一萌

（西安邮电大学计算机学院，陕西西安 710121）

收稿日期:2019-10-28 修回日期:2019-12-24 出版日期:2020-06-25 发布日期:2020-06-25
基金资助:
国家自然科学基金(61136002)；陕西省工业公关项目(2014k06-36)；西安市科技计划项目(CX12188(7))；陕西省教育厅科技计划项目(2013JK1128)

ESM:A sentence scoring model enhancing semantic matching

CAO Xiao-peng,SHAO Yi-meng

(School of Computer,Xi’an University of Posts and Telecommunications,Xi’an 710121,China)

Received:2019-10-28 Revised:2019-12-24 Online:2020-06-25 Published:2020-06-25

摘要/Abstract

摘要：

语义匹配问题是自然语言处理的核心问题之一。基于语义的匹配，即通过提取文本内在语义进行匹配度计算，是目前自然语言处理领域研究的热点。传统的语义匹配模型并没有结合语句通顺度等多种要素综合评价，因此效果较差。提出一种增强语义匹配模型，模型在文本相似度计算的基础上，增加通顺度因子，并通过大量数据来调整最优参数。通过自动阅卷系统进行测试，对比3种常用的自动阅卷评分模型验证该模型能有效降低平均误差值。

关键词: 文本相似度, 统计语言, 语义匹配, 自动阅卷

Abstract:

The problem of semantic matching is one of the core problems in natural language proces- sing. Semantic based matching, that is, calculating the degree of matching by extracting the intrinsic semantics of the text, is a hot topic in the field of natural language processing. The traditional semantic matching model does not combine sentence smoothness and other factors to perform comprehensive eva- luation, so the effect is poor. This paper proposes an enhanced semantic matching model. Based on the text similarity calculation, the model adds a smoothness factor and adjusts the optimal parameters through a large amount of data. Through the test of the automatic marking system, three commonly used automatic marking models are compared to verify that the proposed model can effectively reduce the average error value.

Key words: text similarity, statistical language, semantic matching, automatic scoring

曹小鹏, 邵一萌. ESM:一种增强语义匹配的语句评分模型[J]. 计算机工程与科学.

CAO Xiao-peng, SHAO Yi-meng. ESM:A sentence scoring model enhancing semantic matching[J]. Computer Engineering & Science.

[1]	王钦晨, 段利国, 王君山, 张昊妍, 郜浩. 基于BERT字句向量与差异注意力的短文本语义匹配策略[J]. 计算机工程与科学, 2024, 46(07): 1321-1330.
[2]	袁野, 廖薇. 基于多重相关信息交互的文本相似度计算方法[J]. 计算机工程与科学, 2022, 44(07): 1313-1320.
[3]	陈健鹏, 陈剑, 佘祥荣, 水新莹, 陈刚. 混合神经网络模型与注意力机制的地址匹配算法[J]. 计算机工程与科学, 2022, 44(05): 901-909.
[4]	王君泽1,2，马洪晶1,2，张毅1,2,杨兰蓉1,2. 裁判文书类案推送中的案情相似度计算模型研究[J]. 计算机工程与科学, 2019, 41(12): 2193-2201.
[5]	程蔚1,2,线岩团1,2,周兰江1,2,余正涛1,2,王红斌1,2. 基于双语LDA的跨语言文本相似度计算方法研究[J]. 计算机工程与科学, 2017, 39(05): 978-983.
[6]	董济德，谢强，丁秋林. 一种基于人工免疫的本体匹配算法[J]. J4, 2015, 37(06): 1127-1134.
[7]	郑宗良. 基于改进DBSCAN算法的应急预案编制[J]. J4, 2012, 34(9): 149-153.
[8]	李青1，陈阳2，谢浩然1,蒙圣光3. 一种基于文本相似度矩阵运算的非结构化海量投诉数据分类算法[J]. J4, 2012, 34(1): 103-107.
[9]	钱如栏, 董云耀. 中文问答系统中基于SLM的信息检索及其平滑技术研究[J]. J4, 2010, 32(1): 136-140.
[10]	李玉华刘涛. 基于混合本体方法的集成算法研究[J]. J4, 2007, 29(7): 71-73.
[11]	文坤梅卢正鼎叶卫国. Web—MIND：基于特定主题的Web信息挖掘系统[J]. J4, 2007, 29(6): 71-73.
[12]	曹恬周丽张国煊. 一种基于词共现的文本相似度计算[J]. J4, 2007, 29(3): 52-53.
[13]	李一波张森悦吴志红王晓斌. 考试界面可后台定制的无纸考试系统[J]. J4, 2005, 27(11): 86-89.
[14]	朱巧明陈越. 一个自动阅卷系统的设计与实现[J]. J4, 1999, 21(3): 66-70.

ESM:一种增强语义匹配的语句评分模型

ESM:A sentence scoring model enhancing semantic matching

PDF

可视化

摘要/Abstract

引用本文

使用本文

相关文章 14

编辑推荐

Metrics

本文评价