DGCNN，全名为Dilate Gated Convolutional Neural Network，即“膨胀门卷积神经网络”，顾名思义，融合了两个比较新的卷积用法：膨胀卷积、门卷积，并增加了一些人工特征和trick，最终使得模型在轻、快的基础上达到最佳的效果。

该项目使用Tensorflow实现了苏剑林的博客：基于CNN的阅读理解式问答模型：DGCNN中提出的DGCNN模型。具体的网络结构各位同学可以前往苏神博客一探究竟。

因为DGCNN属于机器阅读理解式问答系统，所以本模型可以使用SQuAD数据集（英文），同样也可以使用SOGOU问答比赛提供的数据集，但是这个项目我使用的是我自己根据WebQA处理的数据集，数据已经上传到Github。

词向量是使用gensim根据中文维基百科语料库训练的60维词向量，网上也有很多资源。这里我提供一份60维的词向量供大家使用。首先前往百度网盘，下载里面的wiki.zh.text.vector文件，然后将词向量文件放到项目中即可。

git clone https://github.com/Chiang97912/DGCNN.git

python train.py

python test.py

整体代码和苏神博客保持一致，但是存在一些细微的差别。而且目前这个项目存在过拟合现象，虽然经过多次修改，但是该问题还是存在。具体的原因个人感觉有如下几点：

1. 数据集处理存在问题（例如切词的不准确）；
2. 苏神的模型使用很多人工特征，而该项目没有构建人工特征

问题很大概率是数据集处理方式导致的，大家如果要使用该项目的代码可以尝试一下其他数据集。

由于本人能力有限，如果有什么不对的地方欢迎大家指正！

欢迎star/fork，一起改进代码！