شبكات العصبي المتكررة العميقة جداً المضغوطة لتصنيف النصوص

معظم الأبحاث في شبكات العصبونات التلافيفية ركزت على زيادة عمق الشبكة لتحسين الدقة، مما أدى إلى وجود عدد ضخم من المعلمات التي تقيّد الشبكة المدربة بالمنصات ذات القيود الذاكرة والمعالجة. نقترح تعديل بنية نموذج شبكات العصبونات التلافيفية العميقة جدًا (VDCNN) لتناسب قيود المنصات المحمولة مع الحفاظ على الأداء. في هذا البحث، نقيم تأثير التلافيف الزمنية المنفصلة بعمق والتوسيط المتوسط العالمي على معلمات الشبكة، وحجم التخزين، والتأخير. يكون النموذج المعصور (SVDCNN) أصغر بمقدار 10 إلى 20 مرة، اعتمادًا على عمق الشبكة، مع الحفاظ على حجم أقصى يبلغ 6 ميجابايت. فيما يتعلق بالدقة، تفقد الشبكة بين 0.4% و1.3% من دقتها وتحصل على تأخيرات أقل مقارنة بالنموذج الأساسي.