摘要: 句子嵌入是对具有相同意义的句子的学习表征，它是一种自然语言处理技术，单个句子在预定义的向量空间中被表示为实值向量。这种方法有助于通过生成相 似句子的相似向量来执行句子的语义维度的模型化。，目的是训练一个模型，该 模型可以自动将句子转... 展开 句子嵌入是对具有相同意义的句子的学习表征，它是一种自然语言处理技术，单个句子在预定义的向量空间中被表示为实值向量。这种方法有助于通过生成相 似句子的相似向量来执行句子的语义维度的模型化。，目的是训练一个模型，该 模型可以自动将句子转换为向量。 现有的句子嵌入模型没有有效地使用注意力机制。本文提出一种新的句子嵌入模型，该模型有效地利用注意机制来提高模型的准确性。 本文模型使用双重注意力机制，将递归神经网络(RNN)和卷积神经网络(CNN)组合进行使用。首先，使用双长短期记忆递归神经网络(RNN-LSTM)，通过自关 注机制来计算句子的本原表示，即第一表示；然后，通过卷积神经网络，使用基 于汇集的注意机制计算汇集步骤期间使用的一组注意权重最后，将句子的原始表 示与卷积神经网络的输出进行连接。双重注意机制的提出可以帮助模型保留更多 句子的原始信息，从而产生更具代表性的特征向量。 本文在三个不同的数据集上对句子进行分类任务，与现有方法进行对比。实验结果表明，与一些句子嵌入的方法相比，本文提出的模型性能有一定程度的提高。 收起