Mar, 2016

基于多通道可变尺寸卷积的文本分类

PDF
TL;DR本文提出了 MVCNN 模型，结合了多个预训练的 Word Embeddings 版本和多粒度变尺寸的卷积核提取多粒度短语特征进行句子分类，并且证明了预训练模型对模型性能的重要性，该模型在小规模二分类、小规模多分类、大规模 Twitter 情感预测以及主观性分析等四个任务上取得了最先进的表现。
mvcnnconvolution neural networkpretrained word embeddingsmultigranular phrasessentence classification
发现论文，激发创造
  • 卷积神经网络用于句子分类

    使用预训练字向量对卷积神经网络进行训练，支持 fine-tuning 并结合静态和动态字向量，以提高句子级分类准确率并在多项基准测试中超越现有技术。

    Aug, 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

  • 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

  • MGNC-CNN: 利用多个词向量的简单方法进行句子分类

    本文提出了一种新颖的卷积神经网络架构 - 多组范数约束卷积神经网络（MGNC-CNN），它利用多组单词嵌入进行句子分类，并采用了一个组规范策略，该策略对与各自单词嵌入集生成的子组件相关的权重进行不同的惩罚。结果表明，MGNC-CNN 在分类任务上优于基线模型，且比其他相似的网络结构更简单且训练时间更少。

    Mar, 2016

  • 多模态卷积神经网络：图像和文本匹配

    本论文提出了多模态卷积神经网络 (m-CNNs)，用于匹配图像和句子。该网络结构采用卷积架构来利用图像表示、单词组合和两种模态之间的匹配关系。实验结果表明，我们的 m-CNNs 可以有效地捕捉图像和句子匹配所需的信息，并在 Flickr30K 和 Microsoft COCO 数据库的双向图像和句子检索上取得了最先进的性能。

    Apr, 2015

  • 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

  • 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

  • 用于文本分类的深层卷积神经网络

    本文介绍了一种新的基于 VDCNN 的文本处理体系结构，通过使用 29 个卷积层，仅使用小型卷积和池化操作，该模型的性能得到了提高，并且在多个公共文本分类任务上，相对于现有模型，且在文本处理中使用非常深的卷积神经网络实现了最先进水平。

    Jun, 2016

  • 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

  • 用于 LVCSR 的非常深的多语言卷积神经网络

    本文提出了一种用于 LVCSR 的卷积神经网络架构的多项结构改进，包括使用深度卷积神经网络、多语言 CNN 和多尺度输入特征等方法，通过在多个数据集上训练并应用提出的网络结构，实现了语音识别性能的提升。

    Sep, 2015