Convolutional Neural Networks with Recurrent Neural Filters 论文阅读笔记

前言：研究车道线跟踪滤波的时候遇到了瓶颈，企图加入RNN结构解决，于是调研几篇RNN的论文。关于基础RNN 的介绍，十分推荐这一篇博客：https://blog.csdn.net/zhaojc1995/article/details/80572098

本文题目：Convolutional Neural Networks with Recurrent Neural Filters ；作者Yi Yang；Bloomberg@New York, NY 10022

本文为解决传统卷积滤波器（线性仿射变化加上非线性激活）在语言构成解释方面的不足，用RNN建模了卷积滤波器（RNFs），可以自然地捕捉语言的组合信息和长期依赖信息。并在Stanford Sentiment Treebank数据集和QASent and WikiQA datasets上给出了CNN+RNFs所实现的效果，媲美于已公布的最好的方法（但还是略逊一筹）。

CNN已经在很多NLP任务上实现了很完美的效果，比如句子分类（Yoon Kim. 2014.Convolutional neural networks for sentence classification. In Proceedings of Empirical
Methods for Natural Language Processing (EMNLP).）问答（Li Dong, Furu Wei, Ming Zhou, and Ke Xu. 2015. Question answering over freebase with multicolumn
convolutional neural networks. In Proceedings of the Association for Computational Linguistics (ACL).）以及