基于稠密连接记忆神经网络的文本推理

由于传统的端到端记忆神经网络模型特征表示能力不足、无法很好地表示各个记忆之间的联系，导致其在数据集bAbI中的位置推理和路径查找问题正确率不高，针对此问题，提出了一种结合稠密连接和多层感知机的记忆神经网络。该模型利用稠密连接与全连接层获取关系特征，增强了模型的特征表示能力。利用bAbI数据集对模型进行推理正确率的评估，实验结果表明，与传统的记忆神经网络以及端到端记忆神经网络相比，该模型能有效提升文本推理的正确率。