基于字节表示与深度卷积网络的语言识别
计算与语言
2016-10-31 v2
摘要
我们报告了在相似语言判别共享任务（DSL 2016）中所使用的系统。该系统仅在深度残差网络（ResNet）中使用字节表示。该系统名为 ResIdent，仅使用任务发布的数据进行训练（封闭训练）。我们在子任务 A 上获得 84.88% 的准确率，在子任务 B1 上获得 68.80% 的准确率，在子任务 B2 上获得 69.80% 的准确率。随着网络架构和超参数的相对微小变化，开发数据上的准确率会出现较大差异。因此，我们预期对这些参数进行微调将能获得更高的准确率。
引用
@article{arxiv.1609.09004,
title = {Byte-based Language Identification with Deep Convolutional Networks},
author = {Johannes Bjerva},
journal= {arXiv preprint arXiv:1609.09004},
year = {2016}
}
备注
7 pages. Adapted reviewer comments. arXiv admin note: text overlap with arXiv:1609.07053