该项目使用从Stanford NLP的GloVe项目获得的词嵌入来构建潜在树模型。 使用sklearn聚集聚类算法构建树模型。 main_agn.py运行文本分类测试,使用树模型中的潜在变量功能将朴素的贝叶斯分类与MLP分类器进行比较。 文本分类数据来自 ,并且已经过过滤和预处理。 预处理的数据可在data / agn中作为pickle文件获得。 main_nmt.py运行机器翻译测试,将基于Encoder-Decoder GRU模型的基线神经机器翻译模型与注意力与增强版本进行比较,该增强版本将潜在树变量添加到注意力机制的上下文向量中。 仿真和数据基于此处提供的示例: :