技术特征：
技术总结
本发明涉及基于深度强化学习的文本语义相似计算模型，包括句子蒸馏网络模型、句子划分网络模型和相互加权模型；整体结构是一个强化学习模型，组成有两部分：最外围的Policy Network网络是句子划分网络模型和句子蒸馏网络模块，该网络使用多层深度神经网络模型，是一个Actor网络功能模块；内层的整体架构是一个Siamese LSTM模型，是一个Critic网络模块，输入部分仍然是将词向量作为每个时刻的输入。本发明的有益效果是：从实验结果上来看，句子划分后的模型对LSTM模型有很好的提升，因为句子划分网络可以使得LSTM每次进行句子语义提取的时候可以只计算句子中的一部分，从而在训练LSTM的时序反向传播算法过程中梯度差只需要传播几个时序，从而可以很好的学习到每个词。
技术研发人员：陈观林;侍晓龙
受保护的技术使用者：浙江大学城市学院
技术研发日：2019.01.15
技术公布日：2019.05.21