问题类型分类方法比较
计算与语言
2020-01-06 v1 人工智能
机器学习
摘要
本文对问题分类任务的前沿方法进行了比较研究：逻辑回归(Logistic Regression)、卷积神经网络(CNN)、长短期记忆网络(LSTM)和准循环神经网络(QRNN)。所有模型均使用预训练的 GLoVe 词嵌入并在人工标注数据上训练。使用具有五个并行堆叠的卷积层及多种核大小的 CNN 模型取得了最佳准确率，其后接一个全连接层。该模型在 TREC 10 测试集上达到了 90.7% 的准确率。本文所有模型架构均在 PyTorch 上从零开发，少数情况基于可靠的开源实现。
引用
@article{arxiv.2001.00571,
title = {Question Type Classification Methods Comparison},
author = {Tamirlan Seidakhmetov},
journal= {arXiv preprint arXiv:2001.00571},
year = {2020}
}