清晨好,您是今天最早来到科研通的研友!由于当前在线用户较少,发布求助请尽量完整地填写文献信息,科研通机器人24小时在线,伴您科研之路漫漫前行!

STMAP: A novel semantic text matching model augmented with embedding perturbations

计算机科学 人工智能 基线(sea) 嵌入 匹配(统计) 噪音(视频) 模式识别(心理学) 机器学习 自然语言处理 语音识别 图像(数学) 统计 数学 海洋学 地质学
作者
Yanhao Wang,Baohua Zhang,Weikang Liu,Jiahao Cai,Huaping Zhang
出处
期刊:Information Processing and Management [Elsevier BV]
卷期号:61 (1): 103576-103576 被引量:8
标识
DOI:10.1016/j.ipm.2023.103576
摘要

Semantic text matching models have achieved outstanding performance, but traditional methods may not solve Few-shot learning problems and data augmentation techniques could suffer from semantic deviation. To solve this problem, we propose STMAP, which is implemented from the perspective of data augmentation based on Gaussian noise and Noise Mask signal. We also employ an adaptive optimization network to dynamically optimize the several training targets generated by data augmentation. We evaluated our model on four English datasets: MRPC, SciTail, SICK, and RTE, with achieved scores of 90.3%, 94.2%, 88.9%, and 68.8%, respectively. Our model obtained state-of-the-art (SOTA) results on three of the English datasets. Furthermore, we assessed our approach on three Chinese datasets, and achieved an average improvement of 1.3% over the baseline model. Additionally, in the Few-shot learning experiment, our model outperformed the baseline performance by 5%, especially when the data volume was reduced by around 0.4. Our ablation experiments further validated the effectiveness of STMAP.2
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
1秒前
junzzz完成签到 ,获得积分10
9秒前
10秒前
见物思理完成签到 ,获得积分10
15秒前
如懿完成签到,获得积分10
15秒前
如意亦瑶完成签到,获得积分10
17秒前
18秒前
26秒前
拼搏幻柏完成签到,获得积分10
27秒前
YNILY完成签到 ,获得积分10
32秒前
34秒前
岳晓燕完成签到 ,获得积分10
37秒前
43秒前
47秒前
luoqin完成签到 ,获得积分10
50秒前
51秒前
怼怼完成签到 ,获得积分10
51秒前
54秒前
机智的妙芹完成签到,获得积分10
56秒前
1分钟前
1分钟前
1分钟前
1分钟前
zxdzaz完成签到 ,获得积分10
1分钟前
成就小蜜蜂完成签到 ,获得积分10
1分钟前
1分钟前
1分钟前
夕阳下仰望完成签到 ,获得积分10
1分钟前
1分钟前
典雅涵瑶发布了新的文献求助10
1分钟前
稳重的秋天完成签到,获得积分10
1分钟前
1分钟前
留胡子的翠容完成签到,获得积分10
1分钟前
1分钟前
典雅涵瑶完成签到,获得积分10
1分钟前
1分钟前
ww完成签到,获得积分10
1分钟前
1分钟前
nanjing01完成签到 ,获得积分10
2分钟前
打打的应助被seeyou14采纳,获得20
2分钟前
高分求助中
(应助此贴封号)【重要!!请各用户(尤其是新用户)详细阅读】【科研通的精品贴汇总】 10000
拉伸高分子熔体中缠结行为的模拟和小角中子散射研究 1700
The World Atlas of Wine 9th edition 1000
奈特基础组织学:配套组织病理学(第4版)(Netter's Essential Histology With Correlated Histopathology) 800
八旗制度の研究 600
高分子基功能界面水蒸发材料与应用研究 500
外场增强的水汽发电研究 500
热门求助领域 (近24小时)
化学 材料科学 医学 生物 纳米技术 计算机科学 工程类 有机化学 化学工程 生物化学 物理 复合材料 内科学 催化作用 光电子学 人工智能 细胞生物学 无机化学 物理化学 数学
热门帖子
关注 科研通微信公众号,转发送积分 8185496
求助须知:如何正确求助?哪些是违规求助? 9574168
关于积分的说明 21834498
捐赠科研通 7783092
什么是DOI,文献DOI怎么找? 3434577
关于科研通互助平台的介绍 2558949
邀请新用户注册赠送积分活动 2481346