초록
우리는 순환 신경망(RNNs)을 합성곱 필터로 활용하는 합성곱 신경망(CNNs)의 한 유형을 소개합니다. 일반적으로 합성곱 필터는 선형 아핀 변환 후 비선형 함수를 적용하여 구현되며, 이는 언어의 구성성을 고려하지 못하는 단점이 있습니다. 따라서 이는 자연어 처리 작업에 종종 필요한 고차 필터의 사용을 제한하게 됩니다. 본 연구에서는 RNN이 자연스럽게 언어의 구성성과 장기 의존성을 포착할 수 있다는 점을 활용하여 합성곱 필터를 모델링하였습니다. 우리는 간단한 CNN 구조에 순환 신경 필터(RNFs)를 탑재함으로써 스탠퍼드 감정 트리뱅크와 두 개의 답변 문장 선택 데이터셋에서 최고의 기록된 결과와 맞먹는 성능을 달성할 수 있음을 보여주었습니다.