センチメント分析に段落ベクトルを使用した最新のパフォーマンスが報告されていますか？

LeとMikolovによるICML 2014の論文「Sentences and Documentsの分散表現」の結果に感銘を受けました。「パラグラフベクトル」と呼ばれる彼らが説明する技術は、word2vecモデルの拡張に基づいて、任意の長さのパラグラフ/ドキュメントの教師なし表現を学習します。この技術は、この手法を使用したセンチメント分析に関する最新のパフォーマンスを報告しています。

従来のバッグオブワード表現に代わるものとして、他のテキスト分類問題でこの手法を評価したいと考えていました。しかし、私はword2vec Googleグループのスレッドで2番目の著者の投稿を見つけて、一時停止しました。

夏の間にQuocの結果を再現しようとしました。IMDBデータセットのエラー率は、約9.4％〜10％に達する可能性があります（テキストの正規化の程度によって異なります）。しかし、Quocの論文での報告に近いものは得られませんでした（7.4％のエラー、これは大きな違いです）...もちろん、Quocにコードについて尋ねました。彼はそれを公開すると約束したが、今のところ何も起こっていない。... Quocの結果は実際には再現性がないと考え始めています。

これらの結果を再現することに成功した人はいますか？

http://arxiv.org/abs/1412.5335の脚注（著者の1人はTomas Mikolov）

私たちの実験では、（Le＆Mikolov、2014）の結果と一致するように、負のサンプリングの代わりに階層的なソフトマックスを使用するというQuoc Leの提案に従いました。ただし、これは、トレーニングデータとテストデータがシャッフルされない場合にのみ、92.6％の精度結果を生成します。したがって、この結果は無効であると考えます。