本論文では、SemEval-2018 タスク9に参加するために開発した上位語発見システムについて述べます。このタスクの目的は、事前に定義された語彙の探索範囲内で、入力された概念や実体に対する最適な（または最適な集合の）候補上位語を発見することです。我々は、該当するタスク向けのニューラルネットワークアーキテクチャを紹介し、言葉やフレーズの潜在空間での表現を構築するために様々なニューラルネットワークモデルを実証的に研究しました。評価されたモデルには、畳み込みニューラルネットワーク（Convolutional Neural Network）、長短期記憶ネットワーク（Long-Short Term Memory Network）、ゲート付き再帰単位（Gated Recurrent Unit）、および再帰畳み込みニューラルネットワーク（Recurrent Convolutional Neural Network）が含まれます。また、より良い性能を得るための異なる埋め込み手法も探求しました。これらの手法には単語埋め込みと意味埋め込みが含まれます。