【深度学习】TreeLSTM:Improved Semantic Representations From Tree-Structured Long Short-Term Memory Networks

Posted by ShawnD on April 2, 2022

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。