双序列分类任务中多种深度学习架构的实证评估
计算与语言
2016-10-04 v2
摘要
论证挖掘与辩论、问答以及自然语言推断中的若干任务涉及在另一个序列的上下文中对一个序列进行分类（称为双序列分类）。对于若干单序列分类任务，当前的最先进方法基于循环和卷积神经网络。另一方面，对于双序列分类问题，目前对最佳深度学习架构尚缺乏充分理解。在本文中，我们通过对源自自然语言处理中辩论、文本蕴含和问答等各种问题的19种不同深度学习架构（特别是处理上下文的不同方式）进行广泛的实证评估，试图理解此类问题。在实证评估之后，我们给出了关于所考虑架构的见解和结论。我们还为三个论证挖掘任务建立了首批深度学习基线。
引用
@article{arxiv.1607.04853,
title = {An Empirical Evaluation of various Deep Learning Architectures for Bi-Sequence Classification Tasks},
author = {Anirban Laha and Vikas Raykar},
journal= {arXiv preprint arXiv:1607.04853},
year = {2016}
}
备注
12 pages (content + references : 10 pages, appendix : 2 pages ). To appear in COLING 2016