2017年IEEE的,感觉参考意义不是太大
一步步介绍句子分类的所用技术和发展历史
下面介绍深度学习模型
A、word embedding
先把文档中的每个词利用词典顺序表示成onehot形式,并把它们进行拼接,输入嵌入层,嵌入层的作用可以看作是一个权重矩阵,得到每个【注:每个的】词的表示 e = Wx. 这样整个文档就是(e1, e2, e3 .....)的低维稠密向量了
B-D 介绍了一下CNN RNN LSTM
2017年IEEE的,感觉参考意义不是太大
一步步介绍句子分类的所用技术和发展历史
下面介绍深度学习模型
A、word embedding
先把文档中的每个词利用词典顺序表示成onehot形式,并把它们进行拼接,输入嵌入层,嵌入层的作用可以看作是一个权重矩阵,得到每个【注:每个的】词的表示 e = Wx. 这样整个文档就是(e1, e2, e3 .....)的低维稠密向量了
B-D 介绍了一下CNN RNN LSTM