TextZoo：一个用于重新审视文本分类的新基准
计算与语言
2018-03-20 v2
摘要
文本表示是自然语言处理中的一个基本问题，尤其在文本分类中。近来，许多带有精细表示模型的神经网络方法（例如 FASTTEXT、CNN、RNN 以及许多带有注意力机制的混合模型）声称在特定文本分类数据集上达到了 SOTA。然而，缺乏一个统一的基准来比较这些模型并揭示各子组件在不同设置下的优势。我们在超过 10 个数据集中重新实现了 20 多个流行的文本表示分类模型。本文中，我们从神经网络视角重新审视文本分类任务，并基于上述结果的分析得到了若干结论。
引用
@article{arxiv.1802.03656,
title = {TextZoo, a New Benchmark for Reconsidering Text Classification},
author = {Benyou Wang and Li Wang and Qikang Wei and Lichun Liu},
journal= {arXiv preprint arXiv:1802.03656},
year = {2018}
}
备注
a benchmark need to be completed