No training required: Exploring random encoders for sentence classification（解析）

标签：输入   训练   tms   log   http   required   img   mamicode   abs   

原文链接：https://arxiv.org/abs/1901.10444

发表在：ICLR 2019

--------------------------------------------------------------------------------------------------------------------------------------------------------------------

 介绍了3中sentence嵌入的结构（RANDOM SENTENCE ENCODERS），

1. Bag of random embedding projections
2. Random LSTMs
3. Echo State Networks

思路：利用预训练的word embedding作为输入，然后句子的encoder不进行训练（i.e., 预先随机初始化），接着加一层线性层，利用logistic regression classifier即可。

BAG OF RANDOM EMBEDDING PROJECTIONS (BOREP)

随机初始化bag-of-embeddings的权重W,

每个元素随机初始化，

我们可以得到句子的表示

 f_pool 为pooling函数， 可以是max pooling 或者 mean pooling.  然后再接一个非线性函数，比如 Relu(h)=max(0, h).

RANDOM LSTMS

同样的，LSTM的权重矩阵随机初始化为，

d为LSTM的hidden size. 所以可以得到句子的表示，

ECHO STATE NETWORKS

ESN可以表示为下面的形式，

这里，同样使用了双向的ESN，最后可以得到句子的表示，

 直接看作者的结论

No training required: Exploring random encoders for sentence classification（解析）

标签：输入   训练   tms   log   http   required   img   mamicode   abs   

原文地址：https://www.cnblogs.com/skykill/p/11582750.html