基于循环与卷积神经网络的序列短文本分类
计算与语言
2016-03-15 v1 人工智能
机器学习
神经与进化计算
机器学习
摘要
近期基于人工神经网络（ANN）的方法在短文本分类上展现出有前景的结果。然而，许多短文本以序列形式出现（例如文档中的句子或对话中的话语），且大多数现有基于ANN的系统在对后续文本分类时未利用前面的短文本。本工作中，我们提出一种基于循环神经网络和卷积神经网络的模型，其融入了前面的短文本。我们的模型在三个不同的对话行为预测数据集上取得了最先进的（SOTA）结果。
引用
@article{arxiv.1603.03827,
title = {Sequential Short-Text Classification with Recurrent and Convolutional Neural Networks},
author = {Ji Young Lee and Franck Dernoncourt},
journal= {arXiv preprint arXiv:1603.03827},
year = {2016}
}
备注
Accepted as a conference paper at NAACL 2016