一种针对句法树的混合神经网络模型

摘要：

在多数神经网络模型仍然将目光放在顺序结构上时,近期出现的两种基于句法树的模型TreeLSTMs和TBCNNs由于加入了结构信息而在多个自然语言处理任务上表现出色.考虑到TreeLSTMs因计算空间关联性使其训练效率不高,为了改进这一缺点,本文提出一种针对句法树的混合神经网络模型,借助TBCNNs的树卷积和池化方法实现了类似TreeLSTMs的计算,故将此模型命名为Quasi-TreeLSTMs.本文在依存树和支持树上分别构建了模型的两种版本Dependency Quasi-TreeLSTMs和Constituency Quasi-TreeLSTMs,实验结果表明,在情感分类和语义相似性两类任务上Quasi-TreeLSTMs的表现优异.

关键词： 句法树 混合神经网络 并行性 情感分类 语义相似性

作者: 霍欢 张薇 刘亮 李洋

作者单位: 上海理工大学 光电信息与计算机工程学院,上海 200093;复旦大学 上海市数据科学重点实验室,上海 201203 上海理工大学 光电信息与计算机工程学院,上海 200093

会议类型: 国内会议

会议名称: 第十六届全国计算语言学学术会议暨第五届基于自然标注大数据的自然语言处理国际学术研讨会

会议地点: 南京

会议语种:中文

页码: 1-8

在线出版日期: 2017-10-13（万方平台首次上网日期，不代表论文的发表时间）