2017—论文阅读—分类任务

2017文本分类任务经典论文如下

1.Very Deep Convolutional Networks for Text Classification

基本信息：2017 aCL 200+

模型框架：字符级卷积，和resnet结构很相似，最后加了三层全连接层，三次池化，在所有的卷积之后，有一个k-max pooling 去统一维度 

 

 

2.Bag of Tricks for Efficient Text Classification

2017 acl 800+

模型参数:$x_i$是N-gram特征，A是词向量，B是全连接层权重。

模型架构：通过词向矩阵A寻找句子中的词对应的词向量，得到$x_i$，而后对所有的$x_i$求平均，最后将将求平均的向量乘以B，得到对应的类别。

目标函数：$-\frac{1}{N}\sum_{n=1}^{N}y_n log(f(BAx_n))$

 

 

3.generative and discriminative text classification with recurrent neural networks

2017 arxiv 引用量：40+

 

 

4.Combining Knowledge with Deep Convolutional Neural Networks for Short Text Classification

2017 IJCAI 36+

卷积核和池化的过程 Text CNN 对应的计算方式一样，下图画的不太明确；文中介绍了一些短文本的特征。

创新点：加入了character对语义的微调，文本的概念化表达