论文笔记
不吐桔子皮
这个作者很懒,什么都没留下…
展开
-
论文笔记:(用于文本分类的图卷积网络)Graph Convolutional Networks for Text Classification
1.研究背景普通卷积神经网络研究的对象是具备规则空间结构的数据,如图片是规则的正方形,这些特征都可以用一维或二维的矩阵来表示,卷积神经网络处理起来比较高效。然而,生活中很多数据不具备规则的空间结构,他们有不同的节点,同时呢,节点之间又有联系。那么,就用到了图卷积网络。图数据有两个特点:每个节点有自己的特征;(点)图数据中的每个节点具有结构特征,即节点与节点存在一定的联系。(边)GCN的每次计算操作,都是把每个节点和它的相邻节点的信息聚集起来,所以特征每次抽取完都会更加抽象。2.TextGCN模型设原创 2020-06-13 23:21:00 · 2182 阅读 · 0 评论 -
论文笔记:(字符级卷积用于文本分类)《Character-level Convolutional Networks for Text Classification》
1.论文背景在这篇论文之前,几乎所有的文本分类技术都是基于单词的,在这篇论文中,作者把字符级的文本当做原始的信号输入。这篇论文,仅仅使用字符,运用在卷积神经网络上。作者发现,当训练大规模数据集的时候,深度卷积神经网络并不需要单词层面的意义(包括语言的语法和语义)。这是非常激动人心的工程简化,因为不管什么语言,它都是由字符组成的,因此这对于构建跨语言的系统至关重要。还有一个好处,对于异常的字符组成(比如拼写错误)和表情符,该模型依然能够应付。2.论文动机以字符作为输入和以词作为输入相比,词向量的维度更原创 2020-06-08 09:59:31 · 872 阅读 · 1 评论