本文描述了我们参与SemEval-2018第9项任务的超类词发现系统，该任务旨在从预定义词汇表的搜索空间中为输入的概念或实体发现最佳（一组）候选超类词。我们介绍了针对此任务的神经网络架构，并对各种神经网络模型进行了实证研究，以在潜在空间中构建词语和短语的表示。评估的模型包括卷积神经网络、长短时记忆网络、门控循环单元以及递归卷积神经网络。此外，我们还探讨了不同的嵌入方法，包括词嵌入和义项嵌入，以提高性能。