Abstract
长短期记忆(Long - Short-Term Memory, LSTM)网络是一种具有更复杂计算单元的循环神经网络,由于其具有长期保存序列信息的卓越能力,在各种序列建模任务中取得了良好的效果。
自然语言表现出将词自然地组合成短语的句法策略特性。
这篇文章引入Tree-LSTM,将lstm推广到树状结构的网络拓扑中。在预测两个句子的语义相关性(SemEval 2014, Task 1)和情感分类(Stanford emotion Treebank)这两个任务上,Tree-LSTM优于所有现有的系统和强大的LSTM基线。
Conclusion
这篇文章将lstm推广到树状结构的网络拓扑中。
Tree-LSTM结构可以应用于具有任意分支的树。
将Tree-LSTM架构应用于语义相关性和情感分类两个任务中,以验证其有效性, 在两个任务上都超过了现有的方法。
-
Previous
【深度学习】A Novel Plug-in Module for Fine-Grained Visual Classification -
Next
【深度学习】LEMON:Scaling Up Vision-Language Pre-training for Image Captioning