less than 1 minute read

CMU Neural Nets for NLP 2019:(Lecture 04)Convolutional Neural Nets for Text
官网:http://phontron.com/class/nn4nlp2019/schedule/cnn.html
课件:http://phontron.com/class/nn4nlp2019/assets/slides/nn4nlp-04-cnn.pdf
代码:https://github.com/neubig/nn4nlp-code/tree/master/05-cnn

一、 词袋模型、n 元词袋及卷积

二、 卷积的应用: 上下文窗口和语句建模

三、 卷积及空洞卷积

四、 Structured Convolution

语言有很强的结构化特征,比如名词-动词组合;但普通的卷积无法捕获这些;

  1. 依赖结构 Dependency Structure,
    • 树状卷积
      节点可以与祖先节点和兄弟节点进行操作;
    • 图卷积
      在树状卷积的基础上加了自循环和反向链接;

五、 Sentence Pairs 卷积模型

句间关系卷积模型;
应用:语句相似性判断、文本推理、文本检索等在两个句子之间做处理的应用;

  • 挛生网络:使用相同的网络来提取特征;
  • 配对卷积网络:比挛生网络效果更好;
  • 矩阵池化卷积网络

语句分类卷积网络:

  • 多尺度卷积核;
  • 倒数第二层做池化
  • 微调

六、 CNN 可视化

七、 拓展

1. 测验任务参考书

2. 参考


TOP

# 附录

Categories: ,

Updated:

Comments