摘要
深度神经网络在自然语言处理、计算机视觉和语音处理等众多领域已达到最先进的性能水平。然而，一个重大挑战是如何在内存容量极小、计算能力有限的设备（如智能手机或智能手表）上运行这些复杂的网络。为此，我们提出了面向设备端的自管理神经网络（Self-Governing Neural Networks, SGNNs），该模型通过局部敏感哈希（Local Sensitive Hashing）学习紧凑的投影向量。SGNNs相较于现有方法的关键优势在于，它无需依赖预训练词嵌入，也避免了参数量庞大的复杂网络结构。我们在对话行为分类任务上进行了广泛的实验评估，结果表明，SGNNs在性能上显著优于当前最先进的方法。研究发现，SGNNs能够有效捕捉低维语义文本表示，同时保持较高的分类准确率。