《Baseline Needs More Love: On Simple Word-Embedding-Based Models and Associated Pooling Mechanisms》

出處： ACL2018 1. 貢獻 本文提出在詞向量上進行簡單的池化操作在文本分類/匹配任務上就可以得到跟CNN/RNN相當的效果。 2. 方案 1） SWEM-aver：整個句子的信息 ) 2）SWEM-max：突出特徵 ) 3）拼接SWEM-aver和SWEM-max 4 SWEM-hier（層次化） 最大和平均池化沒有考慮詞序，這裏引入層次化pooling。先作固定窗口的平均pooling，

>>阅读原文<<