文本蕴含语义相关性 该项目的目的是确定文本含义并测量SICK数据集的语义相关性(SemEval 2014) 文本蕴含与语义相似度 ***** 代码模块评估SICK数据集中的句子对,以确定其文本含义和语义相关性。 我们使用深度学习分类器来训练我们的模型。 我们使用手套矢量文件将我们的语料库词袋转换为n维矢量空间。 对于文本方面,我们使用了带有LSTM的张量流来训练我们的模型。 为了实现语义相关性,我们将keras与LSTM一起使用来训练我们的模型。 我们对句子进行了预处理,以将它们转换为小写并执行POS标记。 此外,我们使用Wordnet计算了句子相似度,该相似度在文件“ relatedness.py”中完成。 我们主要使用以下2种方法来计算分数: 我们寻找矛盾的单词,并确定两个句子是否彼此对立。 我们寻找在这两个句子中出现在相同位置的名词,动词,副词和形容词。 该模型显示出约6