要約
本稿では、事前学習済みの単語ベクトルを基に訓練された畳み込みニューラルネットワーク（CNN）を用いた文レベル分類タスクに関する一連の実験について報告する。我々は、ハイパーパラメータの微調整がほとんど必要ない単純なCNNと静的なベクトルを使用することで、複数のベンチマークで優れた結果を得られることを示す。タスク固有のベクトルをファインチューニングによって学習させると、性能がさらに向上することも確認した。また、タスク固有のベクトルと静的なベクトル双方を使用できるようにするためのアーキテクチャへの簡単な改良を提案する。 hereinで議論されているCNNモデルは、感情分析や質問分類などを含む7つのタスク中の4つにおいて最先端の成果を超えるものである。注：「herein」は「 herein（本文中）」のように翻訳しましたが、「本文中」または「本稿中」としても構いません。