隨著深度學(xué)習(xí)的快速發(fā)展，以及在圖像、語音領(lǐng)域取得的不錯(cuò)成果，基于深度學(xué)習(xí)的自然語言處理技術(shù)也日益受到人們的關(guān)注。計(jì)算機(jī)是怎么理解人類的語言的呢?

傳統(tǒng)機(jī)器學(xué)習(xí)的應(yīng)用，常常是利用上述人工總結(jié)的文本特征，但往往會遇到一些問題。比如“貓”和“咪”這兩詞語的語義很接近(即近義詞)，但計(jì)算機(jī)并不能真正的在詞語語義層面理解，只是把他們當(dāng)作了兩個(gè)不同的詞語。再比如“小狗”和“小貓”是很相關(guān)的兩個(gè)詞語，也不能被很好的理解和刻畫。

本文主要介紹了深度學(xué)習(xí)中的文本分類任務(wù)，以及一些應(yīng)用于文本分類的深度學(xué)習(xí)模型。文本分類是自然語言處理領(lǐng)域最經(jīng)典的場景之一，試圖推斷出給定的文本(句子、文檔等)的標(biāo)簽或標(biāo)簽集合。通過這些技術(shù)，計(jì)算機(jī)能夠更好地理解人類的語言。

針對支付寶投訴欺詐場景，螞蟻金服人工智能團(tuán)隊(duì)設(shè)計(jì)了多個(gè)文本深度學(xué)習(xí)模型。包括雙向GRU，Capsule Network和Attention-based Model等等，均在支付寶投訴欺詐場景上取得了不錯(cuò)的效果。大家一起來看看吧!

 

 

背景介紹

對于風(fēng)控業(yè)務(wù)，用戶的投訴是理解黑產(chǎn)運(yùn)作方式和監(jiān)控風(fēng)控變化的重要形式。風(fēng)險(xiǎn)決策中心每天會得到大量用戶投訴文本信息，每個(gè)投訴文本通常對應(yīng)一定的風(fēng)險(xiǎn)形式。目前分類模型只解決了部分對于文本信息利用率的問題。目前支付寶投訴欺詐場景主要應(yīng)用到的深度學(xué)習(xí)模型有TextCNN和雙向GRU。

相關(guān)工作分析

本文的主要目的是想介紹一下深度學(xué)習(xí)中的文本分類任務(wù)，以及一些應(yīng)用于文本分類的深度學(xué)習(xí)模型。文本分類是自然語言處理領(lǐng)域最經(jīng)典的場景之一，試圖推斷出給定的文本(句子、文檔等)的標(biāo)簽或標(biāo)簽集合。

文本分類中包含了大量的技術(shù)實(shí)現(xiàn)，從是否使用了深度學(xué)習(xí)技術(shù)作為標(biāo)準(zhǔn)來衡量，可以將這些技術(shù)實(shí)現(xiàn)分為兩大類：基于傳統(tǒng)機(jī)器學(xué)習(xí)的文本分類和基于深度學(xué)習(xí)的文本分類。

文本分類的應(yīng)用非常廣泛，其中比較有常見的應(yīng)用有垃圾郵件分類，情感分析，新聞主題分類，自動問答系統(tǒng)中的問句分類以及一些現(xiàn)有的數(shù)據(jù)競賽等。現(xiàn)有的數(shù)據(jù)競賽包括知乎的看山杯機(jī)器學(xué)習(xí)挑戰(zhàn)賽，BDCI2017的比賽“讓AI當(dāng)法官”和Kaggle的比賽“Toxic Comment Classification Challenge”等。

文本分類中主要有三種分類類型，包括二分類問題，多分類問題以及多標(biāo)簽問題。比如垃圾郵件分類中判斷郵件是否為垃圾郵件，屬于一個(gè)二分類問題。在情感分析中，判斷文本情感是積極還是消極，或者判斷文本情感屬于非常消極，消極，中立，積極，非常積極中的一類，既可以是二分類問題也可以是多分類問題。在BDCI 2017的比賽“讓AI當(dāng)法官”中，基于案件事實(shí)描述文本的罰金等級分類和法條分類，分別屬于多分類問題和多標(biāo)簽分類問題。

文本分類的評價(jià)指標(biāo)會根據(jù)不同的分類類型有各自不同的評價(jià)指標(biāo)。二分類問題中常常用到Accuracy，Precision，Recall和F1-score等指標(biāo);多分類問題往往會使用到Micro-Averaged-F1，Macro-Averaged-F1等指標(biāo);多標(biāo)簽分類問題中則還會考慮到Jaccard相似系數(shù)等。

在基于傳統(tǒng)機(jī)器學(xué)習(xí)的文本分類中，一般采用TF-IDF和Word Counts提取不同word n-gram的文本特征，然后將提取到的文本特征輸入到Logistics回歸、Naive Bayes等分類器中進(jìn)行訓(xùn)練。但是當(dāng)統(tǒng)計(jì)樣本數(shù)量比較大的時(shí)候，就會出現(xiàn)數(shù)據(jù)稀疏和維度爆炸等問題。這時(shí)候就需要做一些特征降維處理，比如停用詞過濾，低頻n-gram過濾，LDA降維等。

隨著深度學(xué)習(xí)的快速發(fā)展，以及在圖像、語音領(lǐng)域取得的不錯(cuò)成果，基于深度學(xué)習(xí)的自然語言處理技術(shù)也日益受到人們的關(guān)注。傳統(tǒng)機(jī)器學(xué)習(xí)的應(yīng)用，是利用上述人工總結(jié)的文本特征，但往往會遇到一些問題。比如“貓”和“咪”這兩詞語的語義很接近(即近義詞)，但計(jì)算機(jī)并不能真正的在詞語語義層面理解，只是把他們當(dāng)作了兩個(gè)不同的詞語。再比如“小狗”和“小貓”是很相關(guān)的兩個(gè)詞語，也不能被很好的理解和刻畫。

為了解決上述問題，讓計(jì)算機(jī)一定程度上能夠理解詞語的語義，詞向量技術(shù)應(yīng)用而生。Mikolov et al. 2013 [1] 提出了word2vec模型，可以通過詞語上下文的結(jié)構(gòu)信息，將單詞的語義映射到一個(gè)固定的向量空間中。如果需要判定兩個(gè)詞語的語義相似度(或相關(guān)度)，只需要計(jì)算兩個(gè)詞向量的夾角余弦或歐式距離等即可。比如，“小狗”與“小貓”的相似度值就會很高。憑借詞向量算法，計(jì)算機(jī)有了一定的詞語語義上的理解能力。

在此基礎(chǔ)上，我們希望可以更好的刻畫整個(gè)句子的語義信息。Yoon Kim, 2014 [2] 提出將CNN模型首次應(yīng)用到文本分類問題上。這里，詞向量作為網(wǎng)絡(luò)的第一層的輸入，而CNN的核心點(diǎn)在于可以捕捉局部相關(guān)性，在文本分類任務(wù)中可以利用CNN來提取句子中類似word n-gram的關(guān)鍵信息。

TextCNN模型架構(gòu)如下圖所示，句子中每個(gè)word使用K維向量來表示，于是句子可表示為一個(gè)N*K的矩陣，作為CNN的輸入。使用不同的Filter Window進(jìn)行卷積操作得到Feature Map，之后對Feature Map使用Max-over-time Pooling的池化操作，即將Feature Map向量中最大的值提取出來，組成一個(gè)一維向量。經(jīng)過全連接層輸出，使用Softmax層進(jìn)行分類，并且加上Dropout層防止過擬合。

 

 

自然語言處理中更常用的是遞歸神經(jīng)網(wǎng)絡(luò)(RNN, Recurrent NeuralNetwork)，能夠更好的表達(dá)上下文信息。Liu et al., 2016 [3] 介紹了RNN用于分類問題的設(shè)計(jì)。用于文本分類的RNN網(wǎng)絡(luò)結(jié)構(gòu)如下圖所示，網(wǎng)絡(luò)中將最后一個(gè)單元的結(jié)果作為文本特征，連接全連接Softmax層進(jìn)行分類。

 

 

除此之外，還有使用雙向RNN網(wǎng)絡(luò) [4](Bidirectional RNNs，BiRNNs)的兩個(gè)方向的輸出向量的連接或均值作為文本特征。

一般的循環(huán)神經(jīng)網(wǎng)絡(luò)往往存在許多弊端。在訓(xùn)練網(wǎng)絡(luò)過程中，經(jīng)過許多階段傳播后會出現(xiàn)梯度消散(Gradient vanishing)或梯度爆炸(Gradient exploding)等問題。循環(huán)神經(jīng)網(wǎng)絡(luò)在反向傳播中得到誤差的時(shí)候，可以想象一下多次乘以自身的參數(shù)權(quán)重，該乘積消散或爆炸取決于的幅值。針對于梯度爆炸的情況，常常會使用截?cái)嗵荻确椒�。但是梯度截�(cái)嗖⒉荒苡行У靥幚硖荻认�散問題，有一個(gè)容易想到的方法是使用正則化或約束參數(shù)，當(dāng)然還有更好的解決方案，那就是使用LSTM(Long Short-Term Memory)或GRU(Gated recurrent unit)等門控RNN(Gated RNN)。

梯度消散是原生RNN中一個(gè)很大的問題，也就是后面時(shí)間的節(jié)點(diǎn)對于前面時(shí)間的節(jié)點(diǎn)感知力下降，也就是忘事兒。Hochreiter et al., 1997[5] 提出了LSTM，它的設(shè)計(jì)初衷就是來解決梯度消散問題。在標(biāo)準(zhǔn)的RNN中，這個(gè)重復(fù)的模塊只有一個(gè)非常簡單的結(jié)構(gòu)，例如一個(gè)tanh層。LSTM同樣是這樣的結(jié)構(gòu)，但是重復(fù)的模塊擁有一個(gè)不同的結(jié)構(gòu)。不同于單一神經(jīng)網(wǎng)絡(luò)層，這里是有四個(gè)，以一種非常特殊的方式進(jìn)行交互。如下圖所示，一個(gè)LSTM塊有四個(gè)輸入。

(1)輸入(Input)：模塊的輸入;

(2)輸入門(Input Gate)：控制輸入;

(3)遺忘門(Forget Gate)：控制是否更新記憶單元(Memory Cell);

(4)輸出門(Output Gate)：控制輸出。

 

 

在多個(gè)LSTM連接的循環(huán)網(wǎng)絡(luò)中，單個(gè)的LSTM的各個(gè)門的控制方式如下：

 

 

 

 

Cho et al., 2014 [6] 提出了GRU網(wǎng)絡(luò)結(jié)構(gòu)，GRU作為LSTM的一種變體，將遺忘門和輸入門合成了一個(gè)單一的更新門。同樣還混合了細(xì)胞狀態(tài)和隱藏狀態(tài)，加諸其他一些改動。最終的模型比標(biāo)準(zhǔn)的LSTM模型要簡單，是目前非常流行的變體。

具體在文本分類任務(wù)中，BiRNNs(實(shí)際使用的是雙向GRUs)從某種意義上可以理解為可以捕獲變長且雙向的“word n-gram”信息。

問題與挑戰(zhàn)

word2vec算法雖然可以學(xué)到有用的詞向量，但是該算法只刻畫了詞語的上下文結(jié)構(gòu)信息，并不能很好的利用中文詞語內(nèi)部的結(jié)構(gòu)信息，而中文又是一種強(qiáng)表義的語言文字。尤其是在大安全領(lǐng)域的數(shù)據(jù)里，有很多詞語的變種寫法。比如“小姐”和“小女且”這兩個(gè)詞語，經(jīng)常會有不法分子為了繞開攔截系統(tǒng)，故意采用“形變”寫成后者;再比如“微信”和“威芯”這兩個(gè)詞語，則是“音變”的刻意回避。因此，我們希望嘗試一種新的算法，可以很好的刻畫出中文詞語的“形”和“音”的特性，生成更高質(zhì)量的詞向量，進(jìn)而為后面的深度神經(jīng)網(wǎng)絡(luò)提供更大的信息量。

TextCNN能夠在很多任務(wù)里面能有不錯(cuò)的表現(xiàn)，CNN卷積特征檢測器提取來自局部的序列窗口的模式，并使用max-pooling來選擇最明顯的特征。然后，CNN分層地提取不同層次的特征模式。然而，CNN在對空間信息進(jìn)行建模時(shí)，需要對特征檢測器進(jìn)行復(fù)制，降低了模型的效率。但在實(shí)際中文的語料庫中，文本結(jié)構(gòu)豐富，單詞的位置信息、語義信息、語法結(jié)構(gòu)等，對于CNN這種空間不敏感的方法不可避免會出現(xiàn)問題。

BiGRUs在文本分類上有明顯的效果，但是在可解釋性以及關(guān)注文本整體重要性上有明顯的不足，特別是在分析badcase的時(shí)候感受尤其深刻。

如何解決TextCNN在文本中深入理解文字的位置信息、語義信息、語法結(jié)構(gòu)等信息，以及使BiGRUs文本模型能夠關(guān)注文本整體重要性將是下面要探索的內(nèi)容。

CW2VEC

Cao et al. 2018 [7] 在AAAI 2018的論文里提出了cw2vec算法。(相關(guān)閱讀請參考《AAAI 2018 論文 | 螞蟻金服公開最新基于筆畫的中文詞向量算法》)該算法通過構(gòu)造“n元筆畫”提取出漢字的表義單元，比如“森林”與“木材”這兩個(gè)詞語具有很多共同的“4元筆畫”-“木”，因此這兩個(gè)詞語具有較高的相關(guān)度。相對于漢字、偏旁粒度的詞語拆解，n元筆畫是一種非人工總結(jié)、由算法自動統(tǒng)計(jì)出來的表義結(jié)構(gòu)。在中文的公開測試集中，cw2vec相對于word2vec, GloVe, CWE等算法均取得了一致性的提升。

 

 

cw2vec算法同時(shí)利用了中文詞語內(nèi)部和上下文的結(jié)構(gòu)信息，來設(shè)計(jì)損失函數(shù)，因此產(chǎn)生更高質(zhì)量的中文詞向量。

 

 

除了“形”之外，“音”的刻畫可以通過“n元拼音”來實(shí)現(xiàn)。這里拼音字符從“a”到“z”，按照同樣的方法獲得詞語的拼音，然后通過滑窗進(jìn)一步得到“n元拼音”。

為了同時(shí)獲得“形”和“音”的特征信息，我們采用了一種簡單有效的實(shí)驗(yàn)方案，即分別基于“n元筆畫”和“n元拼音”模式學(xué)習(xí)詞向量，然后再對詞向量進(jìn)行拼接。相對于詞向量平均(可以看作是線性加權(quán))，這種拼接方法，對后續(xù)的深度神經(jīng)網(wǎng)絡(luò)保有了更高的非線性信息融合能力。

目前cw2vec算法在內(nèi)容安全寶、保險(xiǎn)等場景中取得了不錯(cuò)的效果，這里我們也將探索其在支付寶投訴欺詐場景的作用。

Capsule Network

Hinton et al., 2017 [8] 在去年發(fā)表的論文中，Hinton介紹Capsule是一組神經(jīng)元，其輸入輸出向量表示特定實(shí)體類型的實(shí)例化參數(shù)(即特定物體、概念實(shí)體等出現(xiàn)的概率與某些屬性)。我們使用輸入輸出向量的長度表征實(shí)體存在的概率，向量的方向表示實(shí)例化參數(shù)(即實(shí)體的某些圖形屬性)。同一層級的Capsule通過變換矩陣對更高級別的Capsule的實(shí)例化參數(shù)進(jìn)行預(yù)測。當(dāng)多個(gè)預(yù)測一致時(shí)(本論文使用動態(tài)路由使預(yù)測一致)，更高級別的Capsule將變得活躍。

到目前為止，將膠囊網(wǎng)絡(luò)應(yīng)用到自然語言處理上的論文研究較少，其中Zhao et al., 2018 [9] 提出了將膠囊網(wǎng)絡(luò)應(yīng)用到文本分類任務(wù)上。對于傳統(tǒng)的分類問題上，膠囊網(wǎng)絡(luò)取得了較好的性能，并且其性能超過了TextCNN，其模型結(jié)構(gòu)圖如下所示。

 

 

我們當(dāng)前使用的網(wǎng)絡(luò)結(jié)構(gòu)是隱藏大小為128的BiGRUs(雙向GRUs)，連接膠囊網(wǎng)絡(luò)層，膠囊數(shù)量設(shè)置為10，路由數(shù)量設(shè)置為3。

Attention機(jī)制

在談及基于Attention機(jī)制的模型時(shí)，不能不先提及一下Encoder-Decoder框架，Encoder-Decoder框架可以理解成由一個(gè)句子生成另一個(gè)句子的通用處理模型。其架構(gòu)如下圖所示：

 

 

如圖中的例子可以看到通過Encoder編碼了“機(jī)器學(xué)習(xí)”四個(gè)繁體字，得到一個(gè)中間語義，即圖中標(biāo)了紅框框的綠色方塊。然后將這個(gè)紅框框的綠色方塊作為Decoder的輸入。這里得做一下解釋，Encoder-Decoder是一個(gè)通用的計(jì)算框架，其中的Encoder和Decoder可以是不同的模型組合，比如CNN、RNN等，上圖展示的就是Encoder和Decoder都是RNN的組合。

仔細(xì)看上圖的翻譯框架可以看到，在生成目標(biāo)單詞的時(shí)候，無論哪個(gè)單詞都是用到同一個(gè)紅框框的綠色方塊，即同一個(gè)中間語義。這就是展現(xiàn)出一種注意力不集中的分心模型。那注意力模型是如何的呢?

Bahdanau et al., 2014 [10] 提出了將Attention機(jī)制應(yīng)用到在機(jī)器翻譯。注意力模型會在輸出目標(biāo)單詞的時(shí)候關(guān)注到輸入單詞的，比如輸出“machine”的時(shí)候，注意力模型應(yīng)該將目光注意到“機(jī)器”兩個(gè)詞上，即“機(jī)器”的關(guān)注重要性應(yīng)該大一些，而“學(xué)習(xí)”兩個(gè)詞的重要性應(yīng)該小一些�；�于Attention機(jī)制的模型架構(gòu)如下圖所示。

 

 

Yang et al., 2016 [11] 提出了用詞向量來表示句子向量，再由句子向量表示文檔向量，并且在詞層次和句子層次分別引入Attention的層次化Attention模型(Hierarchical Attention Networks，HAN)。HAN的模型結(jié)構(gòu)如下圖所示。

 

 

我們當(dāng)前使用的網(wǎng)絡(luò)結(jié)構(gòu)是隱藏大小為128的BiGRUs(雙向GRUs)，連接word-level的Attention層。

實(shí)驗(yàn)結(jié)果

實(shí)驗(yàn)中讀取了支付寶投訴欺詐場景的一段數(shù)據(jù)作為訓(xùn)練集，另一段時(shí)間的數(shù)據(jù)作為測試集。數(shù)據(jù)的標(biāo)簽是三分類，有違禁類，非案件類和欺詐類。其中欺詐的分類結(jié)果是我們主要關(guān)注的結(jié)果。數(shù)據(jù)集經(jīng)過一些去重?cái)?shù)據(jù)，去除文本中的標(biāo)點(diǎn)，填充空值等預(yù)處理操作后，將處理后的數(shù)據(jù)輸入我們的神經(jīng)網(wǎng)絡(luò)模型中，得到如下結(jié)果。

實(shí)驗(yàn)中我們主要對比Capsule Network和TextCNN模型以及BiGRU模型和Attention模型在不同詞向量作為初始網(wǎng)絡(luò)Embedding層在不同評價(jià)指標(biāo)下的效果對比。其中為了驗(yàn)證兩種詞向量拼接后的高維詞向量對網(wǎng)絡(luò)結(jié)構(gòu)的效果，添加了一組詞向量拼接后對不同網(wǎng)絡(luò)結(jié)構(gòu)的實(shí)驗(yàn)對比。

 

 

上圖是使用word2vec作為詞向量，多個(gè)網(wǎng)絡(luò)模型在支付寶投訴文本上的一組實(shí)驗(yàn)示例。第一張圖是該組模型的ROC曲線，第二張圖是該組模型的Precision/Recall曲線。

 

 

上圖是使用cw2vec作為詞向量，多個(gè)網(wǎng)絡(luò)模型在支付寶投訴文本上的一組實(shí)驗(yàn)示例。第一張圖是該組模型的ROC曲線，第二張圖是該組模型的Precision/Recall曲線。

 

 

上圖是使用拼接后的高維向量作為詞向量，多個(gè)網(wǎng)絡(luò)模型在支付寶投訴文本上的一組實(shí)驗(yàn)示例。第一張圖是該組模型的ROC曲線，第二張圖是該組模型的Precision/Recall曲線。

 

 

備注：其中2vecs是指將300維cw2vec詞向量和300維word2vec詞向量拼接在一起，形成一個(gè)600維詞向量。AUC的計(jì)算方式是根據(jù)三分類共同的預(yù)測結(jié)果和真實(shí)標(biāo)簽計(jì)算得出的。三分類準(zhǔn)確度(Accuracy)的計(jì)算方式是根據(jù)三分類結(jié)果的最大值來確定類別的，而Precision/Recall是僅根據(jù)三分類中的欺詐類的結(jié)果計(jì)算出來的。

實(shí)驗(yàn)中詞向量算法分別用到了word2vec和cw2vec，其中word2vec中包含了cbow和skip-gram各150維的詞向量，cw2vec中包含了基于筆畫和拼音各150維的詞向量。其中拼接后的高維詞向量(2vecs)是同時(shí)包含cw2vec和word2vec的600維詞向量。

上述實(shí)驗(yàn)表明，不管在使用word2vec，cw2vec以及拼接后的高維詞向量作為詞向量，我們用Capsule Network網(wǎng)絡(luò)結(jié)構(gòu)訓(xùn)練的模型在Precision/Recall值和AUC值上都比原先TextCNN的效果好。比較兩者的三分類準(zhǔn)確度，僅在使用拼接后的詞向量的準(zhǔn)確度上Capsule Network略低于TextCNN。因此，實(shí)驗(yàn)證明Capsule Network的整體表現(xiàn)優(yōu)于原先的TextCNN。

在比較BiGRU模型和Attention模型時(shí)，我們可以發(fā)現(xiàn)在較低Precision下的Recall值時(shí)，BiGRU模型的分值略高于Attention模型。但在較高Precision下的Recall時(shí)，Attention模型的分值則明顯高于BiGRU模型。如表中Attention+word2vec在80%Precision下Recall值略低于BiGRU+word2vec。但在85% 和90%Precision下，Attention+word2vec的Recall值則明顯高于BiGRU+word2vec。在比較兩者的AUC值和Accuracy值，在使用word2vec詞向量和拼接的高維詞向量時(shí)，Attention模型的分?jǐn)?shù)較高。

在詞向量間的對比中，可以看到僅使用cw2vec作為詞向量網(wǎng)絡(luò)模型整體上比word2vec和拼接的詞向量效果更好。

討論與展望

Capsule網(wǎng)絡(luò)結(jié)構(gòu)在文本分類中能夠深入理解文字的位置信息、語義信息、語法結(jié)構(gòu)等信息，而Attention機(jī)制能夠讓RNN網(wǎng)絡(luò)更加關(guān)注于整理文本的重要性。

希望Capsule網(wǎng)絡(luò)結(jié)構(gòu)和Attention機(jī)制可以在更多的場景發(fā)揮效果，非常歡迎隨時(shí)聯(lián)系我們交流討論!

感謝各位技術(shù)同學(xué)的熱心幫助，以及螞蟻金服機(jī)器學(xué)習(xí)平臺-PAI平臺的技術(shù)支持，實(shí)驗(yàn)中的cw2vec和word2vec兩種詞向量的生成是在PAI平臺上實(shí)現(xiàn)的，為實(shí)驗(yàn)對比提供了很大的幫助，在數(shù)據(jù)中PAI的統(tǒng)計(jì)組件來進(jìn)行建模的前的EDA。使用Pai-Tensorflow的GPU資源及分布式Tensorflow的支持，極快地加速了整個(gè)實(shí)驗(yàn)流程。也希望大家能夠享受機(jī)器學(xué)習(xí)的樂趣!

參考文獻(xiàn)

[1] Mikolov et al. Distributedrepresentations of words and phrases and their compositionality[C]. NIPS. 2013.

[2] Kim Y. Convolutional neuralnetworks for sentence classification[J]. arXiv preprint arXiv:1408.5882, 2014.

[3] Liu P, Qiu X, Huang X.Recurrent neural network for text classification with multi-task learning[J].arXiv preprint arXiv:1605.05101, 2016.

[4] Schuster M, Paliwal K K.Bidirectional recurrent neural networks[J]. IEEE Transactions on SignalProcessing, 1997, 45(11): 2673-2681.

[5] Hochreiter S, Schmidhuber J.Long short-term memory[J]. Neural computation, 1997, 9(8): 1735-1780.

[6] Cho K, Van Merriënboer B,Gulcehre C, et al. Learning phrase representations using RNN encoder-decoderfor statistical machine translation[J]. arXiv preprint arXiv:1406.1078, 2014.

[7] Cao et al. cw2vec: LearningChinese Word Embeddings with Stroke n-gram Information. AAAI 2018.

[8] Sabour S, Frosst N, Hinton G E.Dynamic routing between capsules[C]//Advances in Neural Information ProcessingSystems. 2017: 3856-3866.

[9] Zhao W, Ye J, Yang M, et al.Investigating Capsule Networks with Dynamic Routing for Text Classification[J].arXiv preprint arXiv:1804.00538, 2018.

[10] Bahdanau D, Cho K, Bengio Y.Neural machine translation by jointly learning to align and translate[J]. arXivpreprint arXiv:1409.0473, 2014.

[11] Yang Z, Yang D, Dyer C, et al.Hierarchical attention networks for document classification[C]//Proceedings ofthe 2016 Conference of the North American Chapter of the Association forComputational Linguistics: Human Language Technologies. 2016: 1480-1489.

來源：云棲社區(qū)