学习随笔

参考https://blog.youkuaiyun.com/weixin_43002202https://github.com/graykode/nlp-tutorial2013年，Google开源了一款用于词向量计算的工具——word2vec，引起了工业界和学术界的关注。首先，word2vec可以在百万数量级的词典和上亿的数据集上进行高效地训练；其次，该工具得到的训练结果——词向量（word emb...

参考Bag of Tricks for Efficient Text Classification(2016)https://github.com/graykode/nlp-tutorialhttps://fasttext.cc/docs/en/supervised-tutorial.html文本分类是许多应用程序的核心问题，如垃圾邮件检测、情感分析或智能回复。文本分类的目标是分...

参考Convolutional Neural Networks for Sentence Classification(2014)将卷积神经网络CNN应用到文本分类任务，利用多个不同size的kernel来提取句子中的关键信息（类似于多窗口大小的ngram），从而能够更好地捕捉局部相关性。TextCNN 是利用卷积神经网络对文本进行分类的算法，由 Yoon Kim 于2014年在 “C...

github链接：https://github.com/gaussic/text-classification-cnn-rnn（结构化编程）以下将以上结构化编程统一起来，并对每行代码进行了解释。数据集数据集下载链接: https://pan.baidu.com/s/1oLZZF4AHT5X_bzNl2aF2aQ 提取码: 5sea下载压缩文件cnews.zip完成后，选择解压到cn...

github地址：https://github.com/graykode/nlp-tutorial作者：Tae Hwan Jung(Jeff Jung) @graykode在每一个模型中，都用了一种实例来表示实现该模型，比如句子分类、机器翻译等。每个案例都对应一篇论文1. 基础词表示模型和具体案例2.CNN和具体案例3.RNN和具体案例4....

本文从广泛使用的LSTM入手，通过具体代码演示，在具备TensorFlow编程基础之上，入门NLP，然后从最初的NNLM一步一步学下去。NNLM神经网络语言模型对理解word2vec模型有很大的帮助, 包括对后期理解CNN,LSTM进行文本分析时有很大的帮助.参考论文：A Neural Probabilistic Language Model(2003)参考资料：https://www....