超级会员免费看
本博客对比了BERT、Naive Bayes、Word2Vec+LSTM和Word2Vec+CNN等模型在电影评论情感分析任务中的表现。BERT表现出高精度但资源需求大，Naive Bayes简单快速，Word2Vec+CNN在精度和训练速度上与BERT相当。
本系列文章包含：
- 基于 NLP 的电影评论情感分析模型比较
- 情感分析（一）：基于 NLTK 的 Naive Bayes 实现
- 情感分析（二）：基于 scikit-learn 的 Naive Bayes 实现
- 情感分析（三）：基于 Word2Vec 的 LSTM 实现
- 情感分析（四）：基于 Tokenizer 和 Word2Vec 的 CNN 实现
- 情感分析（五）：基于 BERT 实现
基于 NLP 的电影评论情感分析模型比较
一段时间以来，使用机器学习的 NLP 任务借助 BERT（Bidirectional Encoder Representations from
订阅专栏 解锁全文
扫一扫
1966
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
