초록
신경망 모델은 문장 및 문서 모델링에서 뛰어난 성능을 달성할 수 있는 능력을 입증해 왔습니다. 컨벌루션 신경망(CNN)과 순환 신경망(RNN)은 이러한 모델링 작업을 위한 두 가지 주요 아키텍처로, 자연 언어를 이해하는 방법이 완전히 다릅니다. 본 연구에서는 이 두 아키텍처의 장점을 결합하여 문장 표현 및 텍스트 분류를 위한 새로운 통합 모델인 C-LSTM을 제안합니다. C-LSTM은 CNN을 사용하여 고차원의 구문 표현 시퀀스를 추출하고, 이를 장단기 기억 순환 신경망(LSTM)에 입력하여 문장 표현을 얻습니다. C-LSTM은 구문의 국소 특징뿐만 아니라 문장의 전역적이고 시간적인 의미론도 포착할 수 있습니다. 우리는 제안된 아키텍처를 감성 분류 및 질문 분류 작업에서 평가하였습니다. 실험 결과는 C-LSTM이 CNN과 LSTM보다 우수하며, 이러한 작업에서 뛰어난 성능을 달성할 수 있음을 보여줍니다.