基于Tri-BiLSTM-CNN 的钻井安全问答系统

作者：王兵,郑亚梅,陈茂柯,高凌云

摘要：特定领域的FAQ问答系统通常存在以下3个问题:(1)如何有效地对句子进行语义表示;(2)如何有效地进行句子间的语义匹配;(3)领域词汇的分词问题。为解决上述3个问题,提出一种基于Tri BiLSTM CNN的深度学习模型。首先,将双向长短期记忆网络和卷积神经网络结合构建网络模型,综合利用了BiLSTM处理序列化数据的优势和CNN捕获局部特征的优势。然后,采用Triplet并列式排列结构进行句子之间的匹配。最后,使用字向量替代词向量,避免了分词错误对模型的影响。在钻井安全领域的真实数据集上进行实验验证,结果表明,Tri BiLSTM CNN模型能更好地对句子语义进行向量化表征,显著提升句子相似度计算的准确率,而且效果明显优于CNN和LSTM两种网络结构。将该模型用于钻井安全领域的FAQ问答系统中,有效减少了人工成本,对改善钻井工作的效率和质量具有重要意义和应用价值。

发文机构：西南石油大学计算机科学学院 中国石油集团测井有限公司西南分公司

关键词：钻井安全问答系统双向长短期记忆网络卷积神经网络句子相似度计算drilling safetyquestion answering systembidirectional long short term memoryconvolution neural networkquestion similarity computation

分类号： TE319[石油与天然气工程—油气田开发工程]