是否已复制使用段落向量进行情感分析的最新技术成果？

Le和Mikolov 在ICML 2014论文“ 句子和文档的分布式表示 ”中给我留下了深刻的印象。他们描述的技术称为“段落向量”，它基于word2vec模型的扩展来学习任意长的段落/文档的无监督表示。该论文报告了使用这种技术进行情感分析的最新性能。

我希望在其他文本分类问题上评估此技术，以替代传统的词袋表示法。但是，我在word2vec Google小组的一个线程中遇到了第二个作者的帖子，这让我停顿了一下：

在夏季，我尝试重现Quoc的结果。我可以使IMDB数据集的错误率达到9.4％-10％左右（取决于文本规范化的程度）。但是，我无法达到Quoc报告的结果（错误7.4％，那是一个很大的差异）。当然，我们还向Quoc询问了代码；他答应出版，但到目前为止没有任何反应。...我开始认为Quoc的结果实际上是不可复制的。

有人成功复制了这些结果吗？

在http://arxiv.org/abs/1412.5335上的脚注（作者之一是Tomas Mikolov）说

在我们的实验中，为了匹配（Le＆Mikolov，2014）的结果，我们遵循Quoc Le的建议，使用分层softmax代替负采样。但是，只有在不对训练和测试数据进行混洗的情况下，才能产生92.6％的准确性结果。因此，我们认为该结果无效。