来源：期刊VIP网 时间：
作者：杨浩文;孙美凤;
单位：扬州大学信息工程(人工智能)学院;扬州大学广陵学院;
摘要：为了提高短文本匹配精度，本研究提出一种对BERT进行知识增强和结构增强的短文本匹配方法（KSBERT）。该方法首先为输入文本引入外部知识；然后将扩充后的文本同时送往上下文编码器BERT和结构编码器GAT，捕获输入文本的上下文关系特征和结构特征；最后，基于两个特征的融合结果进行匹配判定。基于公开数据集BQ＿corpus和LCQMC的实验结果表明，KS-BERT的匹配效果超过了ERNIE2.0等先进模型。本研究工作说明，在面向短文本匹配时，知识增强和结构增强是改进BERT的两种有效途径，在BQ＿corpus中分别提升了0.2%和0.3%的准确率，在LCQMC中则分别提升了0.4%和0.9%的准确率。
关键词：深度学习;;短文本匹配;;图注意力网络;;知识增强
