用于句子匹配的门控卷积神经网络

简介递归神经网络(RNN)已经在句子匹配任务中显示出有希望的结果,例如复述识别(PI),自然语言推理(NLI)和答案选择(AS)。然而,循环体系结构阻止了序列内的并行计算,并且非常耗时。为克服此限制,我们提出了一种用于句子匹配任务的门控卷积神经网络(GCNN)。在该模型中,堆叠卷积编码句子的分层上下文感知表示,其中门控机制可选地控制和存储卷积上下文信息。

LSTM的存储器单元由序列中的所有元素共享并随着时间的推移而更新。不同于LSTM,每个元素在GCNN中都有自己的存储单元存储器单元与层一起更新。内存可选存储以前所有创建的上下文信息卷积层。

  • 发表于:
  • 原文链接https://kuaibao.qq.com/s/20181009A09YW200?refer=cp_1026
  • 腾讯「云+社区」是腾讯内容开放平台帐号(企鹅号)传播渠道之一,根据《腾讯内容开放平台服务协议》转载发布内容。
  • 如有侵权,请联系 yunjia_community@tencent.com 删除。

扫码关注云+社区

领取腾讯云代金券