Resumen

La identificación de paráfrasis es fundamental para muchas aplicaciones de lenguaje natural. Basándonos en la idea de que un modelo exitoso de identificación de paráfrasis necesita capturar adecuadamente la semántica de los objetos del lenguaje, así como sus interacciones, presentamos un modelo profundo de identificación de paráfrasis que interactúa semántica y sintácticamente (DPIM-ISS) para la identificación de paráfrasis. DPIM-ISS introduce las características lingüísticas manifestadas en características sintácticas para producir estructuras más explícitas y codifica la representación semántica de la oración en diferentes estructuras sintácticas mediante la interacción de semántica con sintaxis. Luego, DPIM-ISS aprende el patrón de paráfrasis a partir de esta representación, interactuando la semántica con la sintaxis mediante la explotación de una red neuronal convolucional con estructura de convolución y pooling. Se realizaron experimentos en el corpus de Paráfrasis de Investigación de Microsoft (MSRP), el corpus PAN 2010 y el corpus PAN

• Materias:Big Data Gestión de riesgos Administración de información Red neuronal Teoría de redes
• Subjects:Big Data Risk management Information management Neural network Network Theory
• Palabras claves:Identificación de parafraseo; Modelo; Semántica; Sintaxis; Aprendizaje profundo; Red neuronal convolucional
• Keywords:Paraphrase identification; Model; Semantics; Syntax; Deep learning; Convolutional neural network