テキスト分類におけるCNNモデルの入力の可変サイズ？

Question

私はこのpaperに基づいてテキスト分類のCNNモデルを実装しました。 CNNは固定サイズの文章しか扱えないので、私はデータセットの文の最大長として入力のサイズを設定し、短い文はゼロを埋めます。しかし、私の理解のために、入力文がどれくらい長くても、最大プール戦略は常に各フィルタマップに対して1つの値しか抽出しません。したがって、入力文のサイズが長くても短くても問題はありません。なぜなら、フィルタが畳み込まれた/プールされた後、出力は同じサイズになるからです。この場合、すべての短い文章を固定サイズに詰める必要がありますか？

例えば、CNNモデルにデータを供給するための私のコードは、私がmax_lenを指定し、現在のトレーニング文の長さに基づいているNone valueを使用していないことができ、self.input_data = tf.placeholder(tf.int32,[None,max_len],name="input_data")のですか？

さらに、私は、CNNモデルの変数入力を解決できる他の新しいアプローチがあるのだろうかと思っていました。私はまた、この問題を解決できる他のpaperを見つけましたが、私の理解のために、max-poolingの1つの値の代わりにmax-poolingのk値を使用しました。どうやって？

Answer 1

クイック答え：

ありませんあなたは答えない

長いことができます。

プールはreduce関数のようなものです。それをレイヤーに適用すると、ディメンションが小さくなります。しかし、異なる入力形状は同じ出力形状を生成しません。しかし、ゼロ埋め込みではおそらくこれをシミュレートできますが、max_lenではこれを行っています。したがって、2番目の論文では、動的な計算グラフを作成することを考えています。以前と同じことではありません。基本的には、異なる深度の（入力サイズに応じて）いくつかのネットワークを作成しています。エンコーダ/デコーダアーキテクチャの一般化バージョンはbytenet