用于短文本分类的主题记忆网络
计算与语言
2018-09-12 v1
摘要
许多分类模型由于数据稀疏性在短文本上表现不佳。为解决此问题,我们提出用于短文本分类的主题记忆网络,其带有一种新颖的主题记忆机制,以编码指示类标签的潜在主题表示。与大多数聚焦于利用外部知识或预训练主题扩展特征的已有工作不同,我们的模型以端到端方式用记忆网络联合探索主题推断与文本分类。在四个基准数据集上的实验结果表明,我们的模型在短文本分类上优于SOTA模型,同时生成连贯主题。
引用
@article{arxiv.1809.03664,
title = {Topic Memory Networks for Short Text Classification},
author = {Jichuan Zeng and Jing Li and Yan Song and Cuiyun Gao and Michael R. Lyu and Irwin King},
journal= {arXiv preprint arXiv:1809.03664},
year = {2018}
}
备注
EMNLP 2018