2017文本分类任务经典论文如下
1.Very Deep Convolutional Networks for Text Classification
基本信息：2017 aCL 200+
模型框架：字符级卷积，和resnet结构很相似，最后加了三层全连接层，三次池化，在所有的卷积之后，有一个k-max pooling 去统一维度
2.Bag of Tricks for Efficient Text Classification
2017 acl 800+
模型参数:$x_i$是N-gram特征，A是词向量，B是全连接层权重。
模型架构：通过词向矩阵A寻找句子中的词对应的词向量，得到$x_i$，而后对所有的$x_i$求平均，最后将将求平均的向量乘以B，得到对应的类别。
目标函数：$-frac{1}{N}sum_{n=1}^{N}y_n log(f(BAx_n))$
3.generative and discriminative text classification with recurrent neural networks
2017 arxiv 引用量：40+
4.Combining Knowledge with Deep Convolutional Neural Networks for Short Text Classification
2017 IJCAI 36+
卷积核和池化的过程 Text CNN 对应的计算方式一样，下图画的不太明确；文中介绍了一些短文本的特征。
创新点：加入了character对语义的微调，文本的概念化表达
