一种针对成分树的混合神经网络模型

摘要：

为了提高自然语言处理的准确度,很多工作将句法成分树与LSTM相结合,提出了各种针对成分树的LSTM模型(文中用C-TreeLSTM统称这类模型).考虑到C-TreeLSTM模型在计算内部节点隐藏状态的过程中,由于一个重要信息来源(即单词)的缺失导致文本建模的准确度不高,该文提出一种针对成分树的混合神经网络模型,通过在C-TreeLSTM模型的节点编码过程中注入各节点所覆盖的短语语义向量来增强节点对文本语义的记忆,故将此模型命名为SC-TreeLSTM.实验结果表明,该模型在情感分类和机器阅读理解两类任务上表现优异.

关键词：成分树、C-TreeLSTM、短语语义向量、混合模型

所属期刊栏目：33

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金61003031;上海重点科技攻关项目14511107902;上海市工程中心建设项目GCZX14014;上海市一流学科建设项目XTKX2012;上海市数据科学重点实验室开放课题201609060003;沪江基金研究基地专项C14001

在线出版日期：2019-04-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：8-16