linchuhai的博客

1.引言     我们知道，卷积神经网络（CNN）主要是在计算机视觉方面已经取得了很多很好的成就，但是，CNN在自然语言处理方面同样也可以拥有很好的应用。本文将介绍一个有关CNN的模型，用来对文本进行分类，并将它应用在文本分类的热门任务——情感分析上，模型的名称叫TextCNN，模型的论文地址如下： 论文地址：《Convolutional Neural Networks for Sentenc...

1.引言     文本分类是NLP很多任务中都作为一项基本的任务，也是一项非常重要的任务，比如文本检索、情感分析、对话系统中的意图分析、文章归类等等，随着深度学习的发展，神经网络在NLP文本分类中的模型越来越多，也取得了比较不错的效果，但是，当语料和类别比较大时，很多深度学习方法不管在训练还是预测时，速度都非常慢，因此，为了克服该缺点，facebook在16年提出了一个轻量级的模型——FastT...

1. 引言     前面我们介绍了RNN、CNN等文本分类模型，并在情感分析任务上都取得了不错的成绩，那有没有想过将RNN、CNN两者进行融合呢？答案肯定是有的！这次，我们将介绍一个将LSTM和CNN进行融合的文本分类模型，该模型同时兼具了RNN和CNN的优点，在很多文本分类任务上直接超过了RNN和CNN单个模型的效果。论文的下载地址如下： 论文地址：《Twitter Sentiment An...

1. 引言     前面介绍了LSTM_CNN、RCNN等文本分类方法，这几种方法都是将整个文本进行encoder，但是我们知道，RNN对于长句子或长文档其实编码能力是有限的，会丢失掉句子中的信息，因此，为了克服这个问题，Nikolaos等人在2017年提出了一个新的文本分类模型——HAN，该模型采用层叠的RNN，对文本的句子级别进行encoder，并且引入了神经机器翻译中的注意力机制，可以有效...

1. 引言     前面介绍了LSTM_CNN文本分类模型，虽然在CNN前加上一层LSTM层，可以提取文本中的序列信息，但是当文本的长度比较长时，LSTM提取信息的能力是有限的，并且，在LSTM中，每个词汇对应的隐藏状态都只包含了前面序列的信息，而没有考虑到后续序列的信息（BiLSTM除外），因此，本文将介绍一个新的模型结构，该结构采用一种递归CNN的形式，即每个词汇的向量表示既包括了其本身的词...