Resumen

La tarea de similitud textual, que mide la semejanza entre dos fragmentos de texto, ha recibido recientemente mucha atencin en el mbito del procesamiento del lenguaje natural (PLN). Sin embargo, debido a la vaguedad y diversidad de la expresin lingstica, considerar nicamente las caractersticas semnticas o sintcticas, respectivamente, puede provocar la prdida de conocimiento textual crtico. Este artculo propone un nuevo tipo de rbol estructural para la representacin de frases, que explota tanto la informacin sintctica (estructural) como la semntica, conocido como rbol de dependencia de vectores de peso (WVD-tree). El WVD-tree comprende rboles de estructura con informacin sintctica junto con vectores de palabras que representan la informacin semntica de las frases. Adems, se propone un peso de atencin gaussiano para captar mejor las caractersticas semnticas importantes de las frases. Adems, diseamos un ncleo de rbol mejorado para calcular las partes comunes entre dos estructuras y juzgar la similitud. Por ltimo, WVD-tree se prueba en tareas de similitud semntica textual ampliamente utilizadas. Los resultados experimentales demuestran que WVD-tree puede mejorar eficazmente la precisin de los juicios de similitud de frases.

• Materias:Algoritmos (Matemáticas) Algebra Ingeniería Lógica matemática Matemáticas
• Subjects:Agorithms (Math) Algebra Engineering Mathematical logic mathematics
• Palabras claves:Tarea de similitud textual; Procesamiento del lenguaje natural; árbol de dependencia de vectores ponderados; Información semántica; Características sintácticas; Representación de frases
• Keywords:Textual similarity task; Natural language processing; Weight vector dependency tree; Semantic information; Syntactic features; Sentence representation