[发明专利]基于2D-LSTM的文本蕴含识别方法

权利要求书

1.基于2D-LSTM的文本蕴含识别方法，其特征在于，所述文本蕴含识别方法包括以下步骤：

步骤一、选择两个句子，利用按照两个句子的长短构建一个二维的大小为S*T的网格；

步骤二、从左到右、从上到下依次计算每个单元格的记忆向量；

步骤三、当计算到网格的右下角的单元格时，以把所述两个句子中的每个词与对方句子中的每个词进行两两比较，得到比较信息；

步骤四、在右下角的单元格中保存所述比较信息；

步骤五、利用所述比较信息建模两个句子之间的相似程度。

2.根据权利要求1所述的基于2D-LSTM的文本蕴含识别方法，其特征在于，在步骤一中，句子S和句子T的每个词对应网格的每一行和每一列。

3.根据权利要求1所述的基于2D-LSTM的文本蕴含识别方法，其特征在于，在步骤二中，网格中的每个单元格输入为：h₁，h₂，m₁，m₂，每个单元格的输出为h′₁，h′₂，m′₁，m′₂，其中h表示该单元格的隐藏向量hidden vectors，m表示该单元格的记忆向量memory vectors，下标中的1与2，在输入时，表示其指向当前单元格的上方和左方，在输出时，表示其指向当前单元格的下方和右方，计算方式为：

其中，函数LSTM(·，·，·)为一维长短时记忆网络的计算函数，w₁，w₂分别为横向和纵向的一维长短时记忆网络的网络参数，LSTM模型详细计算方式如下：

其中，g^f代表LSTM模型中的遗忘门没遗忘当前状态的比例，g^u代表记忆门记住新的输入的比例，g^cg^o代表输出门对当前状态的转化输出，m’与h’即为全新的记忆向量与隐藏向量。

4.根据权利要求1所述的基于2D-LSTM的文本蕴含识别方法，其特征在于，在步骤三至步骤五中，具体的，从左向右、从上向下依次遍历所有二维网格中的所有单元格，得到右下角的网格的输出向量h^final，通过公式(3)计算问句S和T的相似度：

sim(s，t)＝σ(w^finalh^final+b) (3)

上述公式中出现的