NLP – طبقه بندی متن
| مقاله | کنفرانس | ملاحظات |
|---|---|---|
| شبکه های عصبی کانولوشن برای طبقه بندی جملات | EMNLP 2014 | نشان دهید که یک CNN ساده با تنظیم بیش از حد پارامتر و بردارهای ایستا نتایج مطلوبی را در چندین معیار بدست می آورد. |
| تجزیه و تحلیل حساسیت (و راهنمای تمرین کنندگان) شبکه های عصبی کانولوشن برای طبقه بندی جملات | Arxiv 2015 | تجزیه و تحلیل حساسیت CNN های یک لایه را برای بررسی تأثیر م componentsلفه های معماری بر عملکرد مدل و تشخیص تفاوت بین تصمیمات مهم و نسبتاً بی نتیجه برای طبقه بندی جملات انجام دهید. |
| شبکه های توجه سلسله مراتبی برای طبقه بندی اسناد | NAACL 2016 | 1. یک شبکه توجه سلسله مراتبی برای طبقه بندی اسناد پیشنهاد دهید. 2. دارای ساختار سلسله مراتبی است که نمایانگر ساختار سلسله مراتبی اسناد است. 3. دارای دو سطح مکانیسم توجه است که در کلمه و در سطح جمله به کار می رود ، و آن را قادر می سازد تا هنگام ساخت نمایندگی سند متفاوت با محتوای کم اهمیت بیشتری حضور یابد. 4. در مورد تفسیر کلمات و جمله های توجه آموخته شده نامشخص است. |
| تنظیم دقیق زبان جهانی برای طبقه بندی متن | ACL 2018 | 1. مدل جهانی زبان را برای تنظیم دقیق (ULMFiT) ، یک روش یادگیری انتقال م thatثر که می تواند برای هر کاری در NLP اعمال شود ، پیشنهاد دهید و فنونی را تنظیم کنید که برای تنظیم دقیق یک مدل کلیدی است. 2. به طور قابل توجهی از عملکرد پیشرفته شش کار طبقه بندی متن بهتر عمل می کند |
Leave a Reply