Attention-Based Bidirectional Long Short-Term Memory Networks for Relation Classification解读

1. 概述 本篇论文模型框架共有五部分： 第一：输入层，输入的为每个句子 第二：嵌入层，将句子中的字转换为向量 第三：lstm层 第四：attention层，通过乘以权重向量，产生新的权重向量，并将每个时间步长的词级特征合并为句子级特征向量; 第五：输出层 2. 词嵌入 词嵌入的基本原理为 其中 e i e_i ei​即词的向量，他是通过一个矩阵W与一个单位矩阵相乘得到。 bi-lstm 本文使用

>>阅读原文<<