Apr, 2015

基于树形卷积的辨别神经句子建模

PDF
TL;DR本研究提出了一种基于树的卷积神经网络（TBCNN），用于区分性句子建模。文章通过 constituency trees 或 dependency trees 提取句子的结构特征，并通过最大池聚合这些特征。我们评估了我们的模型在情感分析和问题分类两个领域的表现，TBCNN 的表现均优于以前的最新结果，包括现有的神经网络和专门的特征 / 规则工程方法。我们还努力可视化基于树的卷积过程，来解释我们的模型工作原理。
tree-based convolutional neural networksentence modelingstructural feature learningsentiment analysisquestion classification
发现论文，激发创造
  • 基于依存关系的卷积神经网络用于句子嵌入

    该研究提出了一种基于树的卷积神经网络模型，结合深度学习和语言结构，利用单词之间的各种长距离关系来提高情感分类和问题分类任务的准确性，并在 TREC 数据集上取得了最高的准确性。

    Jul, 2015

  • 基于树形卷积和启发式匹配的自然语言推理

    本文提出了 TBCNN-Pair 模型，通过树形卷积神经网络 (TBCNN) 和启发式匹配层，能更好地识别两个句子之间的蕴含和矛盾关系。实验结果表明，该模型在句子编码方面优于现有方法。

    Dec, 2015

  • 树结构上的卷积神经网络用于编程语言处理

    本文提出了一种基于树形结构卷积神经网络的编程语言处理方法，可以对两个不同的编程分析任务进行高效的编程分类和某些代码模式的检测。结果表明，TBCNN 优于包括几个 NLP 的神经模型在内的基准方法。

    Sep, 2014

  • 建模句子的卷积神经网络

    本文介绍了一种称为动态卷积神经网络的卷积架构，它使用动态 k-Max 池化进行句子的语义建模，并通过四项实验（二进制和多类情感预测，六路问题分类和推特情感预测）展示了出色的表现。

    Apr, 2014

  • 依赖敏感卷积神经网络用于建模句子和文档

    本研究旨在通过 Dependency Sensitive Convolutional Neural Networks (DSCNN) 分类系统实现句子和文档的表示，不需要依靠解析器和昂贵的短语标记，拓展了句子层级处理的任务范围，并以其在情感分析、问题分类和主观分类等任务中取得的最新表现获得了验证。

    Nov, 2016

  • SLCNN：用于文本分类的句子级卷积神经网络

    本文研究了使用卷积神经网络的文本分类的新基准模型，在这些模型中，将文档作为三维张量表示进行输入，从而实现了句子级分析，经实验证明该模型在长文档特别表现良好。

    Jan, 2023

  • TextConvoNet: 基于卷积神经网络的文本分类体系结构

    本文提出了一种名为 TextConvoNet 的基于卷积神经网络的体系结构，不仅可以提取句内 n-gram 特征，还可以捕获输入文本中的句间 n-gram 特征，进而优于现有的文本分类用的机器学习和深度学习模型。

    Mar, 2022

  • 使用卷积神经网络学习通用的句子表示

    本文提出了基于 CNN 编码器和 LSTM 解码器的分布式句子表征学习方法，旨在实现对多种任务的应用。作者通过训练模型在大规模小说数据集上获得高通用性的卷积句子编码器，并通过多项实验表明该模型在各类应用中均优于竞争方法。

    Nov, 2016

  • 通过 CNN Tree 学习大规模分类的细粒度特征

    本文提出了一种新颖的方法来增强卷积神经网络（CNN）的可辨别性，通过建立一个树状结构来逐步学习精细的特征，以区分一部分类别。我们开发了一种新算法，有效地从大量类别中学习树结构。实验表明，我们的方法可以提高给定基本 CNN 模型的性能，且具有一般性，因此可以潜在地与许多其他深度学习模型结合使用。

    Nov, 2015

  • 一种基于递归卷积神经网络的依存句法分析器重新排序模型

    该研究提出了一种新的递归卷积神经网络（RCNN）体系结构，用于在依存树中建模节点，并在依存分析结果上取得了很好的效果。

    May, 2015