【收集】word2vec 关于的博客

本文深入探讨了word2vec算法的数学原理及其在文本分类中的应用,对比了CNN、fastText、RNN、LSTM和GRU等多种文本处理技术,并通过实际案例展示了如何构建LSTM模型进行文本生成。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

机器学习必须熟悉的算法之word2vector(一)

https://www.jianshu.com/p/1405932293ea

 

机器学习必须熟悉的算法之word2vector(二)

https://www.jianshu.com/p/d0e2d00fb4f0

 

word2vec 中的数学原理详解(一)目录和前言

https://blog.youkuaiyun.com/itplus/article/details/37969519

 

自己动手写word2vec (一):主要概念和流程https://blog.youkuaiyun.com/u014595019/article/details/51884529

 

word2vec总结

https://blog.youkuaiyun.com/luoxinyurose/article/details/77648347?locationNum=11&fps=1

 

机器学习系列-word2vec篇

https://www.jianshu.com/p/3cda276079c7

 

文本分类特征提取之Word2Vec

https://blog.youkuaiyun.com/m0epnwstyk4/article/details/78831091

 

文本分类需要CNN?No!fastText完美解决你的需求(前篇、后篇)

https://www.cnblogs.com/DjangoBlog/p/7903683.html

https://www.cnblogs.com/DjangoBlog/p/7903690.html

 

RNN,LSTM和GRU和word2vec及embedding等的联系与区别解析。

https://blog.youkuaiyun.com/github_34777264/article/details/82660131

 

《安娜卡列尼娜》文本生成——利用TensorFlow构建LSTM模型

https://zhuanlan.zhihu.com/p/27087310

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值