CRUR：用于语言表征的统一、概念化与上下文捕获的耦合循环单元——双向 LSTM 的推广
计算与语言
2019-11-25 v1
摘要
在这项工作中，我们分析了基于循环单元与贝叶斯先验定义耦合的序列绑定学习 capable 网络的新颖概念。该耦合结构编码以生成高效张量表示，可解码以生成高效句子并可描述某些事件。这些描述源自图像和媒体的视觉特征的结构表示。我们研究了不同类型耦合循环结构的详尽研究，并提供了其性能的一些见解。自然语言处理的监督学习性能基于统计评估判断，然而真相是视角性的，且在此情况下定性评估揭示了不同架构优势与变体的真实能力。不同嵌入的贝叶斯先验定义有助于基于与词性及其他语义层分类相关的自然语言结构以机器可解释形式更好地刻画句子，并继承了基于相互正交性的张量表示绑定与解绑特征。我们的方法已超越了一些现有的图像描述相关基础工作。
引用
@article{arxiv.1911.10132,
title = {CRUR: Coupled-Recurrent Unit for Unification, Conceptualization and Context Capture for Language Representation -- A Generalization of Bi Directional LSTM},
author = {Chiranjib Sur},
journal= {arXiv preprint arXiv:1911.10132},
year = {2019}
}
备注
in Review