结合循环与卷积神经网络进行关系分类
计算与语言
2016-05-25 v1
摘要
本文研究了用于关系分类任务的两种不同神经架构：卷积神经网络和循环神经网络。对于两种模型，我们展示了不同架构选择的效果。我们为关系分类的卷积神经网络提出了一种新的上下文表示（扩展中间上下文）。此外，我们提出了联结主义双向循环神经网络，并引入排序损失对其进行优化。最后，我们证明使用简单的投票方案结合卷积和循环神经网络足够准确，能够改善结果。我们的神经模型在SemEval 2010关系分类任务上取得了当时最优结果。
引用
@article{arxiv.1605.07333,
title = {Combining Recurrent and Convolutional Neural Networks for Relation Classification},
author = {Ngoc Thang Vu and Heike Adel and Pankaj Gupta and Hinrich Schütze},
journal= {arXiv preprint arXiv:1605.07333},
year = {2016}
}
备注
NAACL 2016