要約
本論文では、判別的な文章モデリングのための木構造ベースの畳み込みニューラルネットワーク（Tree-based Convolutional Neural Network, TBCNN）を提案します。当該モデルは、文章の構文木（constituency trees）または依存関係木（dependency trees）を利用します。木構造ベースの畳み込みプロセスにより、文章の構造的特徴が抽出され、これらの特徴は最大プーリングによって集約されます。このようなアーキテクチャは、出力層と基礎となる特徴検出器との間で短い伝播パスを可能にし、効果的な構造的特徴学習と抽出を実現します。我々は、TBCNNモデルを感情分析と質問分類という2つのタスクにおいて評価しました。両方の実験において、TBCNNは既存のニューラルネットワークや専門的な特徴/規則エンジニアリングを含むこれまでの最先端の結果を上回りました。また、木構造ベースの畳み込みプロセスの可視化にも取り組んでおり、当該モデルがどのように機能するかについて新たな洞察を与えています。