RCNN
Model
Word Representation Learning
使用的双向RNN
c
l
(
w
i
)
c_l(w_i)
cl(wi)表示词
w
i
w_i
wi左边上下文,
c
r
(
w
i
)
c_r(w_i)
cr(wi)表示右边上下文, 计算方式如下:
e
(
w
i
−
1
)
e(w_{i-1})
e(wi−1)代表第i-1个词的word embedding.
每个词的最终表示:
再接一个全连接作为输出:
Text Representation Learning
对上一层的输出做max-pooling
实验
参数设置
optimizer: SGD
learning rate: 0.01
embedding: 50
hidden layer(
y
(
3
)
的
维
度
y^{(3)}的维度
y(3)的维度): 100