您当前所在位置: 首页 > 首发论文
动态公开评议须知

1. 评议人本着自愿的原则,秉持科学严谨的态度,从论文的科学性、创新性、表述性等方面给予客观公正的学术评价,亦可对研究提出改进方案或下一步发展的建议。

2. 论文若有勘误表、修改稿等更新的版本,建议评议人针对最新版本的论文进行同行评议。

3. 每位评议人对每篇论文有且仅有一次评议机会,评议结果将完全公示于网站上,一旦发布,不可更改、不可撤回,因此,在给予评议时请慎重考虑,认真对待,准确表述。

4. 同行评议仅限于学术范围内的合理讨论,评议人需承诺此次评议不存在利益往来、同行竞争、学术偏见等行为,不可进行任何人身攻击或恶意评价,一旦发现有不当评议的行为,评议结果将被撤销,并收回评审人的权限,此外,本站将保留追究责任的权利。

5. 论文所展示的星级为综合评定结果,是根据多位评议人的同行评议结果进行综合计算而得出的。

勘误表

上传勘误表说明

  • 1. 请按本站示例的“勘误表格式”要求,在文本框中编写勘误表;
  • 2. 本站只保留一版勘误表,每重新上传一次,即会覆盖之前的版本;
  • 3. 本站只针对原稿进行勘误,修改稿发布后,不可对原稿及修改稿再作勘误。

示例:

勘误表

上传勘误表说明

  • 1. 请按本站示例的“勘误表格式”要求,在文本框中编写勘误表;
  • 2. 本站只保留一版勘误表,每重新上传一次,即会覆盖之前的版本;
  • 3. 本站只针对原稿进行勘误,修改稿发布后,不可对原稿及修改稿再作勘误。

示例:

上传后印本

( 请提交PDF文档 )

* 后印本是指作者提交给期刊的预印本,经过同行评议和期刊的编辑后发表在正式期刊上的论文版本。作者自愿上传,上传前请查询出版商所允许的延缓公示的政策,若因此产生纠纷,本站概不负责。

发邮件给 王小芳 *

收件人:

收件人邮箱:

发件人邮箱:

发送内容:

0/300

论文收录信息

论文编号 201712-119
论文题目 基于多粒度词嵌入的中文问题分类算法
文献类型
收录
期刊

上传封面

期刊名称(中文)

期刊名称(英文)

年, 卷(

上传封面

书名(中文)

书名(英文)

出版地

出版社

出版年

上传封面

书名(中文)

书名(英文)

出版地

出版社

出版年

上传封面

编者.论文集名称(中文) [c].

出版地 出版社 出版年-

编者.论文集名称(英文) [c].

出版地出版社 出版年-

上传封面

期刊名称(中文)

期刊名称(英文)

日期--

在线地址http://

上传封面

文题(中文)

文题(英文)

出版地

出版社,出版日期--

上传封面

文题(中文)

文题(英文)

出版地

出版社,出版日期--

英文作者写法:

中外文作者均姓前名后,姓大写,名的第一个字母大写,姓全称写出,名可只写第一个字母,其后不加实心圆点“.”,

作者之间用逗号“,”分隔,最后为实心圆点“.”,

示例1:原姓名写法:Albert Einstein,编入参考文献时写法:Einstein A.

示例2:原姓名写法:李时珍;编入参考文献时写法:LI S Z.

示例3:YELLAND R L,JONES S C,EASTON K S,et al.

上传修改稿说明:

1.修改稿的作者顺序及单位须与原文一致;

2.修改稿上传成功后,请勿上传相同内容的论文;

3.修改稿中必须要有相应的修改标记,如高亮修改内容,添加文字说明等,否则将作退稿处理。

4.请选择DOC或Latex中的一种文件格式上传。

上传doc论文   请上传模板编辑的DOC文件

上传latex论文

* 上传模板导出的pdf论文文件(须含页眉)

* 上传模板编辑的tex文件

回复成功!


  • 0

基于多粒度词嵌入的中文问题分类算法

首发时间:2017-12-08

江乐 1   

江乐(1993-),男,硕士研究生,大数据、人工智能

程祥 1   

程祥(1984-),男,副教授,大数据、人工智能

  • 1、北京邮电大学网络与交换技术国家重点实验室,北京 100876

摘要:面向开放领域的检索式问答系统涉及多方面的工作,包括问题分析、信息检索、答案抽取、答案合并、答案排序等,其中问题分析中关键部分问题分类的性能直接影响到候选答案抽取的准确性。本文基于已有的句法结构分析结果,提出了基于多粒度词嵌入的中文问题分类算法MGE-RNN(Multi-granularity Embedding for Question Classification using Recurrent Neural Network),该算法自动提取了问句中主干、疑问词及其附属成分多粒度的特征向量表示,又利用了多粒度特征间的非线性关系,充分挖掘了问题中利于分类的重要深层特征,其损失函数包括多粒度词向量的训练损失以及Softmax分类器中的分类误差损失,最终在公开数据集上收到了较好的模型测试效果。

关键词: 问答系统;问题分类;多粒度词嵌入 句法结构

For information in English, please click here

Multi-granularity Embedding for Question Classification using Recurrent Neural Network

JIANG Le 1   

江乐(1993-),男,硕士研究生,大数据、人工智能

CHENG Xiang

程祥(1984-),男,副教授,大数据、人工智能

  • 1、State Key Laboratory of Networking and Switching Technology, Beijing University of Posts and Telecommunications, Beijing 100876

Abstract:The open-field-oriented retrieval-based question answering system involves a variety of tasks, including question analysis, information retrieval, answer extraction, answer combination, answer ranking, etc., of which the performance of the key part of the question analysis directly affects the accuracy of the answer extraction. Based on the existing syntactic structure analysis results, this paper proposes a MGE-RNN (Multi-granularity Embedding for Question Classification for Recurrent Neural Network) . This algorithm automatically learns distributed representations of the backbone and interrogative with its their ancillary components, and also fits the non-linear relationship between integrated multi-granularity features and question classification. The loss functions include training loss of multi-granularity word embeddings and classification error in Softmax classifier, and finally MGE-RNN performance is better than the state-of-the-art question classifier on a open dataset.

Keywords: Question answering system Question classification Multi-granularity embedding Syntactic structure

Click to fold

点击收起

基金:

论文图表:

引用

导出参考文献

.txt .ris .doc
江乐,程祥. 基于多粒度词嵌入的中文问题分类算法[EB/OL]. 北京:中国科技论文在线 [2017-12-08]. http://www.paper.edu.cn/releasepaper/content/201712-119.

No.****

动态公开评议

共计0人参与

动态评论进行中

评论

全部评论

0/1000

勘误表

基于多粒度词嵌入的中文问题分类算法