文本语义表征技术研究综述

文本语义表征是自然语言处理领域的核心任务之一,将文本信息转化为计算机可理解的数值表示能够实现对文本深层含义的挖掘和应用。文章通过对传统文本语义表征方法的梳理,剖析了这些方法的优势与局限,并重点探讨了深度学习在文本语义表征领域的突破性进展和发展趋势,旨在全面综述文本语义表征技术的研究现状与发展趋势,为相关领域的研究提供有益的参考和启示。

基于注意力机制的孪生网络地质调查空间实体与文本信息匹配

对来源不同的地质对象进行关联匹配,并通过模型对其结构、属性及语义关系进行表示是后期语义查询及聚类等任务的重要支撑。文章针对地质调查空间实体与外部文本描述语义异构、表达差异等问题,提出了一种基于注意力机制的孪生网络地质调查空间实体与文本描述信息关联匹配模型。首先,将地质调查空间实体的属性信息转换成为文本段落,以句向量基本粒度对地质空间实体进行文本语义编码;接着将两类文本对象映射到统一向量空间中,并输入到孪生网络中进行特征学习,最后在构建真实数据集上进行模型性能的实验测评。结果显示,该模型能够较好表示地质调查空间实体句子语义信息,其识别F1值相比基准实验提高了8.4个百分点,优于选取的对比方法。