RNN 架构在句子分类任务上的实证评估
计算与语言
2016-10-11 v2
摘要
循环神经网络（RNN）在自然语言处理（NLP）的许多问题上取得了最先进的结果，两种最流行的 RNN 架构是尾部模型和池化模型。本文提出了一种混合架构，并首次使用 LSTM 对这三种 RNN 结构在句子分类任务上的性能进行了实证比较研究。实验结果表明，最大池化模型或混合最大池化模型在大多数数据集上取得了最佳性能，而尾部模型并未优于其他模型。
引用
@article{arxiv.1609.09171,
title = {Empirical Evaluation of RNN Architectures on Sentence Classification Task},
author = {Lei Shen and Junlin Zhang},
journal= {arXiv preprint arXiv:1609.09171},
year = {2016}
}