Sentence-State LSTM for Text Representation(论文笔记）

Sentence-State LSTM for Text Representation

（pages 317–327，July, 2018. Association for Computational Linguistics）

1. Baseline BiLSTM

 Baseline BiLSTM由两个LSTM组成， 一个从左到右，一个从右到左。

对于从左到右的：输入一串词， 初始状态, 经过下面的步骤 反复操作，每次消耗一个词，得到.

 

 : 词 ;

  : 输入门，输出门，遗忘门，真实的输入；

 : 模型参数；

: sigmoid 函数

对于从右到左的： 和从左到右的类似，只不过初始是,输入是 ,输出是

最后BiLSTM用 来表示词的隐藏向量，同时用来表示这个句子的最终状态。

2. Sentence-State LSTM

 

Sentence-State LSTM 简称S-LSTM:

在一个时步 t 里，可以表示成

 : 词的子状态， ：句子的子状态。

初始状态,  设置,其中是一个参数。

如上图每次计算，经如下步骤，由得到，

: 一个文本窗的隐藏矩阵

： 门

: 模型参数；

: sigmoid 函数

经下面步骤由计算得到：

：控制门

: 输出门

: 模型参数；

和BiLSTM的对比：

BiLSTM 中用了一个状态表示从开始到当前词

S-LSTM中用了一个结构性的状态表示整个句子，因为g 所以包含更多的信息

文本窗的大小：

文本窗的大小可以控制和相邻词的信息交换度。当文本窗的大小为2时

更多的句子级节点：

可以考虑加不止一个g

3. Task settings

1 分类：  y 是 标注类别的概率分布

2 句子标注：每一个可以表示相应词的特征

可加 attention:

可加 CRF:

Experiments

加了 的句子更好一些