AbstractWe describe a convolutional

Abstract
We describe a convolutional neural network
that learns feature representations for
short textual posts using hashtags as a supervised
signal. The proposed approach is
trained on up to 5.5 billion words predicting
100,000 possible hashtags. As well as
strong performance on the hashtag prediction
task itself, we show that its learned
representation of text (ignoring the hashtag
labels) is useful for other tasks as well.
To that end, we present results on a document
recommendation task, where it also
outperforms a number of baselines.

ผลลัพธ์ (ไทย) 1:

บทคัดย่อเราอธิบายเครือข่ายประสาท convolutionalที่เรียนรู้นำเสนอคุณลักษณะสำหรับโพสต์ข้อความสั้น ๆ ที่ใช้ hashtags ที่มีสัญญาณ วิธีการนำเสนอคืออบรมการคาดการณ์คำถึง 5.5 พันล้านhashtags ได้ 100000 เป็นแข็งแรงประสิทธิภาพการทำนายอย่างไร hashtagงานตัวเอง เราแสดงว่าการเรียนรู้แสดงข้อความ (อย่างไร hashtag ละเว้นป้าย) มีประโยชน์สำหรับงานอื่น ๆ เช่นกันเมื่อตอน เราแสดงผลลัพธ์ในเอกสารแนะนำงาน ซึ่งก็ยังoutperforms จำนวนเส้น

ผลลัพธ์ (ไทย) 2:

บทคัดย่อเราอธิบายเครือข่ายประสาทสับสนว่าได้เรียนรู้การแสดงคุณลักษณะสำหรับการโพสต์เป็นข้อความสั้นๆ โดยใช้ hashtags เป็นภายใต้การดูแลของสัญญาณ วิธีการที่นำเสนอผ่านการฝึกอบรมได้ถึง 5500000000 คำทำนาย 100,000 hashtags ที่เป็นไปได้ เช่นเดียวกับการดำเนินงานที่แข็งแกร่งในการทำนาย hashtag งานตัวเองเราแสดงให้เห็นว่าการเรียนรู้ของการเป็นตัวแทนของข้อความ (ไม่สนใจ hashtag # ป้าย) จะเป็นประโยชน์สำหรับงานอื่น ๆ เช่นกัน. ไปสิ้นสุดที่เรานำเสนอผลในเอกสารงานคำแนะนำที่มันยังมีประสิทธิภาพดีกว่าจำนวนเส้นเขตแดน

ผลลัพธ์ (ไทย) 3:

นามธรรม
เราอธิบายคอนโครงข่ายประสาทเทียมที่เรียนรู้คุณลักษณะแทน

โพสต์ข้อความสั้นใช้ hashtags เป็นแบบมี
สัญญาณ วิธีการที่เสนอคือ
ฝึกถึง 5.5 พันล้านคำทำนาย
100000 hashtags ที่เป็นไปได้ รวมทั้งการแสดงที่แข็งแกร่งใน hashtag

งานทำนายเอง เราแสดงให้เห็นว่าเรียนรู้
แทนของข้อความ ( ละเว้น hashtag
ป้าย ) จะเป็นประโยชน์สำหรับงานอื่น ๆ เช่น
ไปสิ้นสุดที่ เรานำเสนอผลในเอกสาร
แนะนำงานที่ยังโปรยจำนวนเส้น

.