用于文本分类的非常深的卷积神经网络

在许多自然语言处理（NLP）任务中，循环神经网络（尤其是长短期记忆网络，LSTM）和卷积神经网络是最主要的方法。然而，这些架构相比推动计算机视觉领域达到最先进水平的深层卷积网络而言较为浅层。本文介绍了一种新的文本处理架构（VDCNN），该架构直接在字符级别进行操作，仅使用小型卷积和池化操作。我们能够证明，随着深度的增加，该模型的性能也随之提升：通过使用多达29层的卷积层，我们在多个公开的文本分类任务上报告了优于现有最先进方法的结果。据我们所知，这是首次将非常深的卷积网络应用于文本处理。