谭咏梅,刘姝雯,吕学强
(1. 北京邮电大学 计算机学院,北京 100876;2. 北京信息科技大学 网络文化与数字传播北京市重点实验室,北京 100101)
文本蕴含识别(recognizing textual entailment,RTE)是指给定文本T(Text)与假设H(Hypothesis),识别出T是否蕴含H。换言之,当一个人阅读T之后,推断出H是否为真[1],对深入理解文本语义具有重要作用。其中,中文文本蕴含识别是指识别出中文句对(T-H对)之间是否存在蕴含关系。
文本蕴含识别是自然语言处理领域一项具有挑战性的任务,可以应用到多项信息获取技术中。例如,信息检索中可以使用文本蕴含技术生成与检索词语相关的候选信息,问答系统中可以使用文本蕴含来生成候选答案或者对候选答案进行筛选排序,文本摘要中可以使用文本蕴含技术辅助精简文本[2]。
目前,中文文本蕴含大多采用机器学习的方法,通过人工提取大量特征构造分类器进行识别,这些方法需要依赖于特征工程以及大量的自然语言处理(natural language processing, NLP)工具(例如词性标注、命名实体识别、指代消解等)。当前,深度学习与传统方法相结合的方法在NLP问题上取得了一定的成果,例如LSTM和CRF相结合的方法在分词、命名实体识别等序列标注问题上已经得到应用[3-4]。本文将深度学习与传统方法结合,提出一种基于CNN与双向LSTM的中文文本蕴含识别方法,首先使用卷积神经网络(convolutional neural network,CNN)与双向长短时记忆网络(bidirectional long short-term memory,BiLSTM)自动提取相关特征,避免人工筛选大量特征以及NLP工具造成的错误累计问题,然后使用全连接层进行分类得到初步的识别结果,最后使用语义规则进行修正,得到最终的蕴含识别结果。……