Sentence_Pair_Similarity_Assessment_Using_Attention-Augmented_Siamese_Manhattan_LSTM...

简介：
本文提出了一种基于注意力增强的Siamese曼哈顿LSTM模型，用于句子对相似性评估，通过改进的LSTM结构和注意力机制提高了模型的表现力。 本项目采用孪生LSTM网络结合注意力机制及曼哈顿距离方法来计算句对的相似度。中文训练数据来源于蚂蚁金服提供的约4万组句子对，其中正负样本的比例为1:3.6；英文训练数据则取自Kaggle上的Quora句对数据集，包含大约40万组句子对，正负样本比例约为1:1.7。此外还添加了一部分翻译后的中文数据：通过Google Translator将Quora的英语句子转换成了汉语。 项目参考了一些文献资料，《How to predict...Manhattan LSTM》一文在中国大陆可能无法直接访问，请查看本项目的附件中的相关博客内容以获取更多信息。 在词向量方面，英文使用了预训练的英文词向量模型；中文则采用了相应的中文词向量模型。工程开发过程中参考了一些原始作者的设计思路，并通过执行`python3 train.py`命令进行训练，其中输入参数可以指定数据类型（cn表示汉语数据，en代表英语数据）。