NPL-自然语言处理-循环神经网络

本文介绍了自然语言处理中的循环神经网络(RNN),包括one-hot编码、RNN解决的标准神经网络问题、RNN的工作原理及其缺点。RNN在处理序列数据时允许信息的前后传递,但可能忽略后期信息。此外,还提到了不同类型的RNN应用,如多对多、多对一、一对一和一对多模式。

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

1.one-hot

表示一个句子里面单个的词,第一件事是做一张词表,有时也称作词典,用one-hot来表示词典里面的每个单词

2.循环神经网络

标准神经网络的不好:①输入输出长度不同;②不能共享从文本的不同位置上学到的特征
循环神经网络:①在每一时间步中,循环神经网络传递一个激活值到下一时间步中用于计算;
②循环神经网络是从左向右扫描数据,同时每个时间步的参数也是共享的,下图表示的为参数。
在这里插入图片描述
缺点:只使用了这个系列中之前的信息来做出预测,如当预测输出3的没有用到后面的信息
参数:在这里插入图片描述
通过时间的反向传播:①定义损失函数(上图)②把前向传播的箭头反过来,用梯度下降法来更新参数(通过穿越时间反向传播)----递归
不同类型的循环神经网络
多对多
在这里插入图片描述
多对一(情感分类)

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