文献

J-GLOBAL ID：201802255417173303   整理番号：18A2026100

テキスト分類のためのk-maxプーリングによるLSTMの研究【JST・京大機械翻訳】

Investigating Lstm with k-Max Pooling for Text Classification

著者 (3件)： Shu Bo ,  Ren Fuji ,  Bao Yanwei
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： ICICTA  ページ： 31-34  発行年： 2018年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： ほとんどの深い学習者にとって,テキスト分類はリカレントネットワークと同義であり,単語レベルで取り組まれている。本研究では,単語レベル入力が特性レベル入力よりも優れていることを示した。空間-Dropout1D,LSTMおよびk-maxプールを用いた提案モデルについて述べた。これらの表現の単語が単語類似性タスクにおいて測定されるので,SpialDropoutは情報冗長性を減少させることができる。LSTMは,より長い期間にわたって情報を追跡し,k-maxプールはより有用な情報を保持する。提案したモデルは,感情分類とトピック分類のための6つのベンチマークデータセットに関する強いベースライン法より良い。コードは開かれる。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *単語 ,  冗長性 ,  基準線 ,  ベンチマーク ,  類似性
準シソーラス用語： 感情分類 ,  リカレントニューラルネットワーク ,  学習者 ,  *テキスト分類 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (4件)： テキスト分類 ,  Max ,  LSTM ,  研究