論文筆記Baseline Needs More Love:On Simple Word-Embedding-Based Models and Associated Pooling Mechanisms

摘要 在NLP的文本序列相關的任務中，深度學習的方法被廣泛使用。但是深度學習模型的參數多、計算量大，所以不易於訓練。對於深度學習模型的效果，也缺乏嚴格的研究。在這篇文章中，我們對兩種方法進行對比，即簡單的、基於word-embedding、包含了pooling操作的SWEMs，以及基於word-embedding的 CNN/RNN模型。出人意料的是，在大部分任務中，SWEMs的效果能夠打平甚至超過

>>阅读原文<<