通过注意力与集成实现互补 CNN 与 RNN 特征的鲁棒组合用于文本分类
计算与语言
2019-03-29 v1
摘要
最先进的文本分类方法包括预处理、特征提取和后处理的几个不同步骤。在这项工作中，我们关注端到端神经架构，并表明结合来自不同神经模块的信息可获得最佳的文本分类性能。具体而言，我们将卷积、循环和注意力模块与集成方法相结合，并表明它们是互补的。我们引入了 ECGA，一种用于新颖文本分类任务的端到端通用架构。我们证明它是高效且鲁棒的，因为它在包括低数据和充足数据情况的各种数据集上达到或超越了现有技术水平。
引用
@article{arxiv.1903.12157,
title = {Resilient Combination of Complementary CNN and RNN Features for Text Classification through Attention and Ensembling},
author = {Athanasios Giannakopoulos and Maxime Coriou and Andreea Hossmann and Michael Baeriswyl and Claudiu Musat},
journal= {arXiv preprint arXiv:1903.12157},
year = {2019}
}
备注
5 pages, 1 figure, SDS 2019 - The 6th Swiss Conference on Data Science