Quora查询与短文本相似度评估。

简介：
Quora Question Pairs，一种针对短文本主题相似性的研究，采用了Siamese网络结构。具体而言，该网络架构利用了BLSTM（双向长短期记忆网络）网络的最后一个神经元的输出作为特征，并经过训练，取得了93%的准确率。然而，在测试阶段，由于过拟合问题，模型的准确率下降至83%。为了缓解过拟合现象，尝试了期权和正则化等方法，但尚未完全解决。此外，数据预处理工作也未完成。值得注意的是，单层LSTM网络存在问题，虽然可以通过进一步探索来定位具体原因，但已经基本掌握了问题的本质。相关数据存储于“data”文件夹下：/data/csv/train.csv包含Quora公开的数据集以及数据标签；/data/csv/test_part_aa 和 /data/csv/test_part_bb 包含了测试数据集，这些数据是在执行“test.py”脚本后进行分割得到的，可以通过“cat”命令将它们连接起来。此外，/data/vovab.model 是用于构建 VocabularyProcessor 模型的参数（设置了最大长度为60），而 /data/lr_sentiment.model 则是一个逻辑回归回归模型，用于情感预测任务。