文をモデル化するための畳み込みニューラルネットワーク

文を正確に表現する能力は言語理解の中心的な要素です。文の意味モデル化のために採用した「ダイナミック畳み込みニューラルネットワーク（DCNN）」と呼ばれる畳み込みアーキテクチャについて説明します。このネットワークは、線形シーケンスに対するグローバルプーリング操作のDynamic k-Max Poolingを使用しています。ネットワークは異なる長さの入力文を処理し、文の上に短期および長期の関係を明示的に捉えることができる特徴グラフを誘導します。ネットワークは構文木に依存せず、任意の言語に簡単に適用できます。私たちはDCNNを4つの実験でテストしました：小規模な二項および多クラスの感情予測、6つの質問分類、遠隔監視によるTwitter感情予測です。このネットワークは最初の3つのタスクで優れたパフォーマンスを達成し、最も強力なベースラインに対して最後のタスクで25％以上のエラー削減を実現しました。