简介递归神经网络(RNN)已经在句子匹配任务中显示出有希望的结果,例如复述识别(PI),自然语言推理(NLI)和答案选择(AS)。然而,循环体系结构阻止了序列内的并行计算,并且非常耗时。为克服此限制,我们提出了一种用于句子匹配任务的门控卷积神经网络(GCNN)。在该模型中,堆叠卷积编码句子的分层上下文感知表示,其中门控机制可选地控制和存储卷积上下文信息。
LSTM的存储器单元由序列中的所有元素共享并随着时间的推移而更新。不同于LSTM,每个元素在GCNN中都有自己的存储单元存储器单元与层一起更新。内存可选存储以前所有创建的上下文信息卷积层。
领取专属 10元无门槛券
私享最新 技术干货