Classification séquentielle de textes courts avec des réseaux neuronaux récurrents et convolutifs

Les approches récentes basées sur les réseaux de neurones artificiels (ANNs) ont montré des résultats prometteurs pour la classification de textes courts. Cependant, de nombreux textes courts apparaissent en séquences (par exemple, des phrases dans un document ou des énoncés dans un dialogue), et la plupart des systèmes existants basés sur les ANNs ne prennent pas en compte les textes courts précédents lors de la classification d'un texte suivant. Dans ce travail, nous présentons un modèle combinant des réseaux de neurones récurrents et des réseaux de neurones convolutifs qui intègre les textes courts précédents. Notre modèle obtient des résultats à l'état de l'art sur trois jeux de données différents pour la prédiction des actes de dialogue.