摘要
本文提出了一种基于树结构的卷积神经网络（TBCNN）用于判别性句子建模。我们的模型利用了句子的成分树或依存树。基于树结构的卷积过程提取了句子的结构特征，这些特征通过最大池化进行聚合。这种架构允许输出层与底层特征检测器之间的短传播路径，从而实现了有效的结构特征学习和提取。我们在两个任务上评估了我们的模型：情感分析和问题分类。在这两项实验中，TBCNN均超过了以往的最佳结果，包括现有的神经网络和专门的特征/规则工程方法。我们还努力对基于树结构的卷积过程进行了可视化，揭示了我们的模型是如何工作的。