[发明专利]多相关句子对的语义匹配评估方法

说明书

本发明公开了一种多相关句子对的语义匹配评估方法，包括：在数据集中，通过联合一个句子和与该句子匹配的相关句子的语义信息来构建基于自注意力机制的神经网络语义匹配模型，在训练过程中，该句子结合与该句子相匹配的语义信息，形成成对的训练过程，对基于自注意力机制的神经网络语义匹配模型进行训练；对于一个新的句子对，输入至已经训练好的基于自注意力机制的神经网络语义匹配模型中，从而得到句子对的语义匹配标签，实现对一个句子对的语义匹配评估。上述方案可以充分利用多个句子对之间的相互关系信息来解决句子之间的语义匹配问题，并具有较高的预测精度。

技术领域

本发明涉及自然语言处理领域，尤其涉及一种多相关句子对的语义匹配评估方法。

背景技术

语义匹配，即识别两个句子之间的语义关系，是自然语言处理的基础任务之一，在很多的自然语言处理任务中都有着重要体现。例如，在复述识别任务中，语义匹配体现在判断两个句子是否具有相同含义。在语义文本相似性任务中，计算两个句子语义之间的相似程度。此外，语义匹配工作也应用在很多领域，例如在互联网问答查询，信息检索和智能客户服务等，都将语义匹配问题作为该应用领域的基本问题来研究。因此，随着自然语言处理相关应用的快速发展，如何利用现有资源来解决语义匹配问题已成为一个非常重要的问题。

围绕这个研究问题，研究者们提出了多种解决方法，大部分相关的研究主要集中在两个句子之间的词法、句法或语义匹配，然而多个句子对之间也存在着多种匹配关系，这些匹配关系具有很强的语义关联性，可以为相对应的句子的语义理解起到帮助作用。为了展现多个句子对之间的语义关系信息在语义匹配问题上所带来的积极影响，如何利用句子对之间的语义信息来表示句子的语义关系，是一个值得研究和亟待解决的问题。

发明内容

本发明的目的是提供一种多相关句子对的语义匹配评估方法，可以充分利用多个句子对之间的相互语义关系信息来解决句子之间的语义匹配问题，并具有较高的预测精度。

本发明的目的是通过以下技术方案实现的：

一种多相关句子对的语义匹配评估方法，包括：

在数据集中，通过联合一个句子和与该句子匹配的相关句子的语义信息来构建基于自注意力机制的神经网络语义匹配模型，在训练过程中，该句子结合与该句子相匹配的语义信息，形成成对的训练过程，对基于自注意力机制的神经网络语义匹配模型进行训练；

对于一个新的句子对，输入至已经训练好的基于自注意力机制的神经网络语义匹配模型中，从而得到句子对的语义匹配标签，实现对一个句子对的语义匹配评估。

由上述本发明提供的技术方案可以看出，用基于自注意力机制神经网络语义匹配模型(Self-attention Relational Sentence Semantic Matching，SR-SSM)来进行句子对的语义匹配判别，相比于传统模型，使用了多句子匹配的相关信息。对于预测的结果，在多个评价指标上有一定的提高。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他附图。

图1为本发明实施例提供的一种多相关句子对的语义匹配评估方法的流程图；

图2为本发明实施例提供的自注意力机制的神经网络模型的框架图。

具体实施方式

下面结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明的保护范围。