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 202102-5
论文题目 基于BERT-CNN的增强语义自然语言推理算法
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BERT-CNN的增强语义自然语言推理算法

首发时间:2021-02-03

王志鹏 1   

王志鹏(1995-),男,主要研究方向:电网大数据,机器学习

闫丹凤 1   

闫丹凤,女,教授,主要研究方向:云计算,大数据分析与处理,边缘计算.

  • 1、北京邮电大学计算机学院,北京 100876

摘要:自然语言推理是当前自然语言处理技术中一个基础的任务,它可以很好的用来评价模型对文本之间的语义理解能力。针对当前研究对文本对之间的语义的理解不充分,本文提出了一个基于BERT-CNN的增强语义的自然语言推理模型。该模型首先通过基础BERT网络提取文本对整体交互分类的特征向量及两个文本每个字符的语义向量,随后随用CNN网络对两个文本每个字符的语义向量进行编码得到两个文本的特征向量,最后拼接整体交互分类的特征向量及两个文本的特征向量并使用前向网络进行分类预测。实验结果表明,与传统的自然语言推理算法对比,本文提出的基于BERT-CNN的增强语义自然语言推理算法的准确率更高,进一步提高了模型的性能,从而验证了所提出方法的有效性。

关键词: 自然语言推理 BERT CNN

For information in English, please click here

Enhanced semantic natural language inference algorithm based on BERT-CNN

WANG Zhipeng 1   

王志鹏(1995-),男,主要研究方向:电网大数据,机器学习

YAN Danfeng 1   

闫丹凤,女,教授,主要研究方向:云计算,大数据分析与处理,边缘计算.

  • 1、School of Computer Science, Beijing University of Posts and Telecommunications, Beijing,

Abstract:Natural language inference is a basic task in current natural language processing technology, which can be used to evaluate the model\'s ability to understand semantics between texts. In view of the insufficient understanding of the semantics between text pairs in current research, this paper proposes a natural language reasoning model based on BERT-CNN with enhanced semantics. The model first extracts the feature vector of the overall interactive classification of the text through the basic BERT network and the semantic vector of each character of the two texts, and then uses the CNN network to encode the semantic vector of each character of the two texts to obtain the features of the two texts Vector, and finally concatenate the feature vector of the overall interactive classification and the feature vector of the two texts and use the forward network for classification prediction. The experimental results show that, compared with the traditional natural language inference algorithm, the enhanced semantic natural language inference algorithm based on BERT-CNN proposed in this paper has higher accuracy and further improves the performance of the model, thus verifying the effectiveness of the proposed method

Keywords: natural language inference BERT CNN

Click to fold

点击收起

基金:

论文图表:

引用

导出参考文献

.txt .ris .doc
王志鹏,闫丹凤. 基于BERT-CNN的增强语义自然语言推理算法[EB/OL]. 北京:中国科技论文在线 [2021-02-03]. http://www.paper.edu.cn/releasepaper/content/202102-5.

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BERT-CNN的增强语义自然语言推理算法