[发明专利]一种基于卷积神经网络的跨领域语义信息检索方法

摘要

本发明涉及一种基于卷积神经网络的跨领域语义信息检索方法，属计算机自然语言处理领域。本发明通过词向量SVM进行短文本分类，降低无效检索域从而提高近似句的准确率，再将分类后的文本拼接成向量矩阵放入卷积神经网络，将卷积神经网络的最后一层用转换层进行近似句的检索计算。最终模型提高了近似语义检索的准确率。

主权项

一种基于卷积神经网络的跨领域语义信息检索方法，其特征在于：所述方法具体步骤如下：Step1、首先对知识库中被检索的信息进行预处理，然后对处理后的信息进行句向量表示，其次利用LibSVM的SVM分类器对句向量进行分类训练，得到SVM分类模型，利用分类模型对用户检索信息进行分类，得到用户检索信息的类别；Step2、将用户检索信息转换成句特征矩阵，根据Step1中确定的类别，使用对应的近似语义卷积神经网络检索模型进行处理，近似语义卷积神经网络检索模型转换层会将用户检索信息泛化后的特征和被检索信息的聚类特征进行映射点乘，根据点乘结果得到用户检索信息与被检索信息的相似度值C，根据相似度值由大到小排序，得到与用户检索信息相似的被检索信息列表；Step3、根据Step2中被检索信息列表中与用户检索信息的相似度值，筛选出最相似的p个待重排被检索信息，对p个待重排被检索信息的原始特征进行相似度C1计算后再重排处理，得到重排后的p个推荐信息；Step4、将Step3中生成的p个推荐信息提供给用户，记录用户的点击行为；当用户对信息满意度进行评分时，记录评分数值；Step5、将Step4中获取的用户点击行为和评分数值用于下一次模型更新训练，以便更好地实现信息检索。