基于多块卷积高速网络的文本分类
计算与语言
2018-07-26 v1
摘要
在情感分析、主观/客观分析和观点极性的文本分类领域中，卷积神经网络因其性能与准确率而受到特别关注。本工作中，我们应用 CNN 的最新进展并提出一种新架构——多块卷积高速网络（Multiple Block Convolutional Highways, MBCH），其在多个流行基准数据集上相比先前架构取得了更高的准确率。MBCH 基于高速网络（highway networks）、DenseNet、批归一化（batch normalization）与瓶颈层（bottleneck layers）等新技术与架构。此外，为应对用作 CNN 输入的现有预训练词向量的局限性，我们提出一种新方法——改进词向量（Improved Word Vectors, IWV）。IWV 提升了用于文本分类任务的 CNN 的准确率。
引用
@article{arxiv.1807.09602,
title = {Text Classification based on Multiple Block Convolutional Highways},
author = {Seyed Mahdi Rezaeinia and Ali Ghodsi and Rouhollah Rahmani},
journal= {arXiv preprint arXiv:1807.09602},
year = {2018}
}
备注
arXiv admin note: text overlap with arXiv:1711.08609