동적 라우팅을 사용한 캡슐 네트워크의 텍스트 분류에 대한 연구

본 연구에서는 텍스트 분류를 위한 캡슐 네트워크와 동적 라우팅을 탐구합니다. 우리는 일부 노이즈 캡슐(노이즈 캡슐은 '배경' 정보를 포함하거나 성공적으로 학습되지 않은 경우가 있을 수 있음)의 방해를 완화하기 위해 동적 라우팅 과정을 안정화시키는 세 가지 전략을 제안합니다. 캡슐 네트워크를 사용하여 여섯 개의 텍스트 분류 벤치마크에서 일련의 실험을 수행했습니다. 캡슐 네트워크는 6개 데이터셋 중 4개에서 최고의 성능을 달성하여 텍스트 분류에 대한 캡슐 네트워크의 효과성을 입증하였습니다. 또한, 강력한 기준 방법보다 단일 레이블에서 다중 레이블 텍스트 분류로 전환할 때 캡슐 네트워크가 상당한 개선을 보임을 확인하였습니다. 우리所知, 이는 캡술 네트워크가 텍스트 모델링에 대해 경험적으로 조사된 첫 번째 작업입니다.注：最后一句中的“我们所知”在韩文中被误翻译为“우리所知”，正确的翻译应该是“우리가 알고 있는 한”。以下是修正后的版本：본 연구에서는 텍스트 분류를 위한 캡슐 네트워크와 동적 라우팅을 탐구합니다. 우리는 일부 노이즈 캡슐(노이즈 캡슐은 '배경' 정보를 포함하거나 성공적으로 학습되지 않은 경우가 있을 수 있음)의 방해를 완화하기 위해 동적 라우팅 과정을 안정화시키는 세 가지 전략을 제안합니다. 캡슐 네트워크를 사용하여 여섯 개의 텍스트 분류 벤치마크에서 일련의 실험을 수행했습니다. 캡슐 네트워크는 6개 데이터셋 중 4개에서 최고의 성능을 달성하여 텍스트 분류에 대한 캡슐 네트워크의 효과성을 입증하였습니다. 또한, 강력한 기준 방법보다 단일 레이블에서 다중 레이블 텍스트 분류로 전환할 때 캡슐 네트워크가 상당한 개선을 보임을 확인하였습니다. 우리가 알고 있는 한, 이는 캡슐 네트워크가 텍스트 모델링에 대해 경험적으로 조사된 첫 번째 작업입니다.