【论文泛读34】用于关系分类的双向长短期记忆网络_双向长短期记忆网络(bi-lstm)原论文

贴一下汇总贴：论文阅读记录

论文链接：《Bidirectional Long Short-Term Memory Networks for Relation Classification》

一、摘要

关系分类是一种重要的语义处理，近年来受到了极大的关注。主要的挑战是重要的信息可以出现在句子的任何位置。因此，我们提出双向长短期记忆网络(BLSTM)来用关于所有单词的完整、连续的信息来建模句子。与此同时，我们还使用从词汇资源(如WordNet)或自然语言处理系统(如依赖解析器和命名实体识别器(NER))中获得的特性。在SemEval-2010上的实验结果表明，基于BLSTM的方法仅使用单词嵌入作为输入特征就足以实现最先进的性能，并且引入更多的特征可以进一步提高性能。

二、结论

本文提出了双向长短期记忆网络来解决关系分类问题。BLSTM被用来挖掘句子级表示。实验结果表明，仅使用单词嵌入作为输入特征就足以获得最先进的结果。引入更多的特征可以进一步提高关系分类的性能。

三、模型结构

主体网络是BLSTM网络，但是重心在特征构造上面。

• 输入特征构造
  输入特征上面选择了6中词典特征，POS, NER, hypernyms, PF, dependency feature (Dep), relative-dependency feature(Relative-Dep)，部分结构如下图，将这六种词典特征和当前词向量拼接作为输入特征。