文のモデリングの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です。私たちは、文の意味的モデリングに採用する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、線形シーケンス上のグローバルプーリング操作であるダイナミックk-Maxプーリングを使用します。ネットワークは、異なる長さの入力文を処理し、短距離および長距離の関係を明示的に捉えることができる特徴グラフを文に誘導します。ネットワークは構文木に依存せず、任意の言語に容易に適用可能です。私たちは、DCNNを4つの実験でテストしました：小規模なバイナリーおよびマルチクラスの感情予測、6方向の質問分類、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性能を達成し、最強のベースラインに対して最後のタスクでは25％以上の誤差削減を実現します。