用于文本分类的C-LSTM神经网络
计算与语言
2015-12-01 v2
摘要
神经网络模型已被证明能够在句子和文档建模中实现卓越性能。卷积神经网络(CNN)和循环神经网络(RNN)是此类建模任务的两种主流架构，它们采用完全不同的方式来理解自然语言。在本工作中，我们结合了两种架构的优势，提出了一种新颖且统一的模型，称为C-LSTM，用于句子表示和文本分类。C-LSTM利用CNN提取一系列更高级的短语表示，并将其输入长短期记忆循环神经网络(LSTM)以获得句子表示。C-LSTM能够同时捕捉短语的局部特征以及全局和时序句子语义。我们在情感分类和问题分类任务上评估了所提出的架构。实验结果表明，C-LSTM优于CNN和LSTM，并能在这些任务上取得优异性能。
引用
@article{arxiv.1511.08630,
title = {A C-LSTM Neural Network for Text Classification},
author = {Chunting Zhou and Chonglin Sun and Zhiyuan Liu and Francis C. M. Lau},
journal= {arXiv preprint arXiv:1511.08630},
year = {2015}
}