DesignEmpire 公司模板下载

weixin_39821526 2020-09-09 03:00:45
...全文
56 回复 打赏 收藏 转发到动态 举报
写回复
用AI写文章
回复
切换为时间正序
请发表友善的回复…
发表回复
代码转载自:https://pan.quark.cn/s/a4b39357ea24 基于LSTM三分类的文本情感分析 背景介绍 文本情感分析作为NLP的常见任务,具有很高的实际应用价值。 本文将采用LSTM模型,训练一个能够识别文本postive, neutral, negative三种情感的分类器。 本文的目的是快速熟悉LSTM做情感分析任务,所以本文提到的只是一个baseline,并在最后分析了其优劣。 对于真正的文本情感分析,在本文提到的模型之上,还可以做很多工作,以后有空的话,笔者可以再做优化。 理论介绍 RNN应用场景 RNN相对于传统的神经网络,它允许我们对向量序列进行操作:输入序列、输出序列、或大部分的输入输出序列。 如下图所示,每一个矩形是一个向量,箭头则表示函数(比如矩阵相乘)。 输入向量用红色标出,输出向量用蓝色标出,绿色的矩形是RNN的状态(下面会详细介绍)。 从做到右:(1)没有使用RNN的Vanilla模型,从固定大小的输入得到固定大小输出(比如图像分类)。 (2)序列输出(比如图片字幕,输入一张图片输出一段文字序列)。 (3)序列输入(比如情感分析,输入一段文字然后将它分类成积极或者消极情感)。 (4)序列输入和序列输出(比如机器翻译:一个RNN读取一条英文语句然后将它以法语形式输出)。 (5)同步序列输入输出(比如视频分类,对视频中每一帧打标签)。 我们注意到在每一个案例中,都没有对序列长度进行预先特定约束,因为递归变换(绿色部分)是固定的,而且我们可以多次使用。 word2vec 算法 建模环节中最重要的一步是特征提取,在自然语言处理中也不例外。 在自然语言处理中,最核心的一个问题是,如何把一个句子用数字的形式有效地表达出来? 如果能够完成这一步,句子...

13,654

社区成员

发帖
与我相关
我的任务
社区描述
CSDN 下载资源悬赏专区
其他 技术论坛(原bbs)
社区管理员
  • 下载资源悬赏专区社区
加入社区
  • 近7日
  • 近30日
  • 至今
社区公告
暂无公告

试试用AI创作助手写篇文章吧