Seq2Biseq：用于序列建模的双向逐输出循环神经网络
计算与语言
2019-04-17 v3 机器学习
摘要
在过去几年中，循环神经网络 (RNN) 已在大多数序列建模问题上达到最先进性能。特别是，“序列到序列”模型与神经 CRF 已证明在该领域非常有效。在本文中，我们提出一种新的用于序列标注的 RNN 架构，利用门控循环层考虑任意长的上下文，并使用前向与后向两个解码器。我们将所提方案的若干变体及其性能与最先进水平进行比较。我们的多数结果优于最先进水平或与之非常接近，并且由于使用了近期技术，我们的架构可扩展到比本文所用更大的语料库。
引用
@article{arxiv.1904.04733,
title = {Seq2Biseq: Bidirectional Output-wise Recurrent Neural Networks for Sequence Modelling},
author = {Marco Dinarelli and Loïc Grobol},
journal= {arXiv preprint arXiv:1904.04733},
year = {2019}
}
备注
Slightly improved version of the paper accepted to the CICling 2019 conference