文档章节

《SwissCheese at SemEval-2016 Task 4: Sentiment Classification Using an Ensemble of Convolutional ...

AllenOR灵感
 AllenOR灵感
发布于 2017/09/10 01:22
字数 538
阅读 1
收藏 0

作者:Jan Deriu, Maurice Gonzenbach, Fatih Uzdilli, Aurelien Lucchi, Valeria De Luca Martin Jaggi

单位:ETH Zurich

关键词:Sentiment Classification, Convolutional Neural Networks

来源:SemEval-2016 Task 4,论文下载

代码:github

简读:

该论文描述了作者在参加SemEval-2016 Task4时所设计的CNN模型,用来解决推特的一个短文本情感分类问题,下面是具体的模型架构图:


CNN的架构图

数据准备:通过Word2Vec或者GloVe将单词转换成词向量,即把一个句子转换成一个句子矩阵(Sentence Matrix),其中 d 表示每个单词转换成词向量的维度, n 表示句子中一共包含n个单词。

第一个卷积层:m1表示一共有m1个卷积核。每个卷积核的维度是 dh1 ,所以每个卷积核得到 n-h1+1 个元素,即最后得到的元素总个数是 m1 (n-h1+1),表示m1个通道,每个通道中有 n-h1+1 个元素。

第一个池化层:论文中采用取最大值的策略。池化区域是 s1*1 的维度,所以最后每个通道中存在的值的个数是 (n-h1+1)/s1 个元素,输出通道还是 m1 个通道。

第二个卷积层:该卷积层的输入通道是 m1 个,输出通道是 m2 个,每个输出通道中存在 l1-h2+1 个元素。

第二个池化层:论文中采用取最大值的策略。池化区域是 (l1-h2+1)*1 的维度,所以最后每个通道中只存在一个值,输出通道数还是 m2 个通道。

隐藏层:这个一个全连接层,relu函数作为激活函数。

输出层:输出层是用softmax函数来作为最后的判断,进行文本分类。


我利用Tensorflow框架将论文中的模型实现了一下。为了更加方便理解论文,这个代码只考虑了如何实现CNN架构,所以不适合用在真实环境中。当然如果你熟悉Tensorflow,可以非常容易将它进行改写,使得它满足你的要求。

本文转载自:http://www.jianshu.com/p/4bb889f88632

共有 人打赏支持
AllenOR灵感
粉丝 10
博文 2635
码字总数 83001
作品 0
程序员
自然语言处理领域重要论文&资源全索引

选自GitHub 作者:Kyubyong Park 机器之心编译 参与:刘晓坤、李泽南 自然语言处理(NLP)是人工智能研究中极具挑战的一个分支。随着深度学习等技术的引入,NLP领域正在以前所未有的速度向前...

机器之心
2017/10/15
0
0
从 Quora 的 187 个问题中学习机器学习和NLP

Quora 已经变成了一个获取重要资源的有效途径。许多的顶尖研究人员都会积极的在现场回答问题。 以下是一些在 Quora 上有关 AI 的主题。如果你已经在 Quora 上面注册了账号,你可以订阅这些主...

chen_h
2017/10/31
0
0
NLP常用数据集

原文地址: https://machinelearningmastery.com/datasets-natural-language-processing/ 针对NLP中常见的7个问题进行分类,归纳常用数据集,mark之 Text Classification Text classificatio......

Gavin__Zhou
2017/10/19
0
0
Aspect Extraction for Opinion Mining with a Deep Convolutional Neural Network

Sandro Cavallari, PhD Candidate, NTU Aspect Extraction based on frequent words (occurrences and co-ocurrences of noun and noun phrases) by exploiting opinion and target relation......

Shuailong
2017/04/27
0
0
Dataset 列表:机器学习研究

Face recognition In computer vision, face images have been used extensively to develop face recognition systems, face detection, and many other projects that use images of faces......

JNingWei
2017/06/28
0
0

没有更多内容

加载失败,请刷新页面

加载更多

spring只

一、IOC(Inversion of Control)或者依赖注入(Dependency Injection) 1、底层实现原理:反射 2、三大核心接口: BeanFactory:简单容器系列,只是实现了容器最基本的功能。 ApplicationC...

狠一点
12分钟前
4
0
缓存架构SpringBoot集成Curator实现zookeeper分布式锁

一、分布式锁简介 1、什么是锁 在单机环境下,当存在多个线程可以同时改变某个共享变量时,就需要同步来实现该功能,使其线程安全。 而同步就是通过锁来实现的。锁保证了同一时刻只有一个线程...

架构师springboot
14分钟前
1
0
11《Java核心技术》之Java提供了哪些IO方式? NIO如何实现多路复用?

一、提出问题 IO 一直是软件开发中的核心部分之一,伴随着海量数据增长和分布式系统的发展,IO 扩展能力愈发重要。幸运的是,Java 平台 IO 机制经过不断完善,虽然在某些方面仍有不足,但已经...

飞鱼说编程
21分钟前
1
0
简单介绍Java 的JAR包、EAR包、WAR包区别

WAR包 WAR(Web Archive file)网络应用程序文件,是与平台无关的文件格式,它允许将许多文件组合成一个压缩文件。War专用于Web方面。大部分的JAVA WEB工程,都是打成WAR包进行发布的。 War是...

linuxprobe16
21分钟前
1
0
55:Mysql用户管理|常用sql语句|mysql数据库备份恢复

1、Mysql用户管理; 场景,为了安全,新建的站点,创建新的用户,或者给已有用户授权,对某个库或者某个表有权限; 语法: grant all on *.* to 'user'@'127.0.0.1' identified by 'password'; g...

芬野de博客
25分钟前
1
0

没有更多内容

加载失败,请刷新页面

加载更多

返回顶部
顶部