基于Do-Bi-LSTM模型的电子政务文本相似度评估模型
【摘要】 针对当前政务系统中人工审批文本效率低下的问题，本文将文本相似度引入电子政务中。当前基于文本相似度的网络模型中，存在着生成的词向量矩阵巨大，需要大量的时间去训练，而且仅利用上下文的环境来生成词向量，忽略了文档的语序和语义的关系。为了提高效率并降低训练成本，本文提出基于Do-Bi-LSTM文本相似度计算方法，该模型首先通过Doc2vec语言模型把训练数据集中的文本转换成向量，该方法在词向量的基础上增加了文本向量，从而获取了句子之间以及段落之间的相互关系。然后把得到的向量作为Bi-LSTM网络模型的输入进行模型训练，最后与LSTM网络模型、传统的深度网络模型相比，实验表明本文方法的准确率有很大的提高，具有可行性。
