Visualizza wikitesto di Convolutional Neural Networks for Sentence Classification

{{template pubblicazione
|data=2014
|autori=Yoon Kim
|URL=https://www.semanticscholar.org/paper/1f6ba0782862ec12a5ec6d7fb608523d55b0c6ba
|topic=Natural Language Processing
|citazioni=12819
}}

Vengono presentati una serie di esperimenti con reti neurali convoluzionali (CNN) addestrate su vettori di parole pre-addestrati per compiti di classificazione a livello di frase. Viene dimostrato che una semplice CNN con pochi parametri da ottimizzare e vettori statici raggiunge risultati eccellenti su diversi benchmark. L'apprendimento di vettori specifici per l'attività tramite fine-tuning offre ulteriori guadagni in termini di prestazioni. Viene inoltre proposta una semplice modifica all'architettura per consentire l'uso di vettori sia specifici per l'attività che statici. I modelli CNN discussi in questo documento migliorano lo stato dell'arte in 4 attività su 7, che includono l'analisi del sentiment e la classificazione delle domande.

[[Category:pubblicazione]]

{{#seo:
            |title=Convolutional Neural Networks for Sentence Classification
            |title_mode=append
            |keywords=reti neurali, apprendimento automatico, elaborazione del linguaggio naturale, classificazione, vettori di parole, analisi del sentiment
            |description=Questa pubblicazione presenta una serie di esperimenti con reti neurali convoluzionali per la classificazione delle frasi. I risultati dimostrano che una CNN semplice con pochi parametri e vettori statici raggiunge ottimi risultati su diversi benchmark. L'apprendimento di vettori specifici per l'attività migliora ulteriormente le prestazioni. Viene proposta una modifica per utilizzare vettori sia specifici per l'attività che statici. I modelli CNN migliorano lo stato dell'arte in 4 attività su 7, tra cui l'analisi del sentiment e la classificazione delle domande.
            
            }}