基于循环神经网络的关系分类
计算与语言
2015-12-29 v2 机器学习
神经与进化计算
摘要
深度学习在句子级关系分类中已取得很大成功。例如，卷积神经网络（CNN）已在不像传统基于模式的方法那样大量进行特征工程的情况下提供了有竞争力的性能。因此许多工作基于CNN结构展开。然而，基于CNN的方法未能很好解决的一个关键问题是缺乏学习时间特征的能力，尤其是名词对之间的长距离依赖。在本文中，我们提出了一种基于循环神经网络（RNN）的简单框架，并与基于CNN的模型进行比较。为了展示广泛使用的SemEval-2010 Task 8数据集的局限性，我们引入了另一个从MIMLRE（Angeli et al., 2014）精炼的数据集。在两个不同数据集上的实验强烈表明，基于RNN的模型能在关系分类上提供更好的性能，并且它特别能够学习长距离关系模式。这使其适用于经常涉及复杂表达的实时应用。
引用
@article{arxiv.1508.01006,
title = {Relation Classification via Recurrent Neural Network},
author = {Dongxu Zhang and Dong Wang},
journal= {arXiv preprint arXiv:1508.01006},
year = {2015}
}