探究带动态路由的胶囊网络用于文本分类

在本研究中，我们探索带动态路由的胶囊网络（capsule networks）用于文本分类。我们提出三种策略来稳定动态路由过程，以减轻一些可能包含“背景”信息或尚未被成功训练的噪声胶囊的干扰。我们在六个文本分类基准上利用胶囊网络进行了一系列实验。胶囊网络在 6 个数据集中的 4 个上取得了 SOTA（state of the art，最优）结果，显示了胶囊网络用于文本分类的有效性。我们还额外表明，在单标签到多标签文本分类的迁移上，胶囊网络相较强基线方法有显著提升。据我们所知，这是首个对胶囊网络用于文本建模进行实证探究的工作。