基于依赖性树的递归神经网络（Tree-RNN）在建模句子含义中普遍存在，因为它们有效地捕获非邻居词之间的语义关系。然而，识别具有相同单词和语法的语义不相似的句子对树-RNN仍然是一个挑战。该工作提出了使用依赖性解析中标识的语法关系类型对依赖树-RNN（DT-RNN）的改进。我们对语义相关性评分（SRS）的实验，并使用生病（涉及组建知识的句子）数据集显示令人鼓舞的结果的句子对中的文本征集（RTE）。该模型在DT-RNN模型上实现了RTE任务的分类精度的提高了2％。结果表明，Pearson的预期相似性分数和人类评级之间的Pearson和Spearman的相关措施高于标准DT-RNN。
translated by 谷歌翻译