MGNC-CNN：利用多组词嵌入进行句子分类的简单方法
计算与语言
2016-03-29 v2
摘要
我们引入了一种新颖、简单的卷积神经网络（CNN）架构——多组范数约束 CNN（MGNC-CNN），其利用多组词嵌入进行句子分类。MGNC-CNN 独立地从输入嵌入集中提取特征，然后将这些特征在网络的倒数第二层连接以形成最终特征向量。我们随后采用一种组正则化策略，对与相应嵌入集生成的子组件关联的权重进行差异化惩罚。该模型比可比较的替代架构简单得多，且所需训练时间大幅减少。此外，它具有灵活性，不要求输入词嵌入具有相同维度。我们展示了 MGNC-CNN 持续优于基线模型。
引用
@article{arxiv.1603.00968,
title = {MGNC-CNN: A Simple Approach to Exploiting Multiple Word Embeddings for Sentence Classification},
author = {Ye Zhang and Stephen Roller and Byron Wallace},
journal= {arXiv preprint arXiv:1603.00968},
year = {2016}
}
备注
This paper got accepted by NAACL 2016