تحليل الحساسية (وأدلة الممارسين) لشبكات الأعصاب التلافيفية لتصنيف الجمل

حققت شبكات الأعصاب التلافيفية (CNNs) مؤخراً أداءً قوياً بشكل ملحوظ في المهمة المهمة عملياً لتصنيف الجمل (كم 2014، كالشفنر 2014، جونسن 2014). ومع ذلك، تتطلب هذه النماذج من الممارسين تحديد معمارية نموذج دقيقة وتعيين المعلمات المصاحبة، بما في ذلك حجم منطقة الفلتر، ومعلمات التنظيم، وهكذا. من غير المعروف حالياً مدى حساسية أداء النموذج للتغيرات في هذه التكوينات بالنسبة لمهمة تصنيف الجمل. لذلك قمنا بإجراء تحليل حساسية لشبكات الأعصاب التلافيفية ذات الطبقة الواحدة لاستكشاف تأثير مكونات المعمارية على أداء النموذج؛ هدفنا هو التمييز بين القرارات التصميمية المهمة وتلك التي تعتبر غير ذات أهمية نسبية لتصنيف الجمل. نحن نركز على شبكات الأعصاب التلافيفية ذات الطبقة الواحدة (باستثناء النماذج الأكثر تعقيدًا) بسبب بساطتها النسبية وأدائها القوي التجريبي، مما يجعلها طريقة معيارية حديثة مشابهة لدعم آلة المتجهات (SVMs) والانحدار اللوجستي. نستخلص نصائح عملية من نتائجنا التجريبية الواسعة لأولئك المهتمين بتحقيق أقصى استفادة من الشبكات العصبية التلافيفية في تصنيف الجمل في البيئات الواقعية.