NLP:使用深度学习进行文本分类的一些主要模型
2018-02-11 09:30
477 查看
参考:http://blog.csdn.net/liuchonge/article/details/77140719?locationNum=6&fps=1http://geek.csdn.net/news/detail/189196常见的模型有:(1)word2vec+分类器。这个应该是最简单的,因为word2vec本质上是由CNN网络生成词向量的一种深度学习模型(2)fasttext。根据网上的资料,这个模型简单,速度较快,但我只查到c语言版本,具体没有测试(3)TextCNN(4)TextRNN(5)CNN+RNN。也称为RCNN(6)TextRNN+Attention(7)Char CNN、Char RNN。据说效果不是太好(7)还有lstm等网络
相关文章推荐
- 【NLP】使用朴素贝叶斯进行文本的分类
- NLP:主题模型LDA+SVM进行文本分类
- 使用 全连接神经网络 和 词袋模型 进行文本分类的example
- 百度开源其NLP主题模型工具包,文本分类等场景可直接使用L——LDA进行主题选择本质就是降维,然后用于推荐或者分类
- NLP文本情感分类传统模型+深度学习(demo)
- 使用lingpipe自然语言处理包进行文本分类
- 使用Weka进行数据挖掘(Weka教程七)Weka分类/预测模型构建与评价
- 几种使用了CNN(卷积神经网络)的文本分类模型
- 使用Random Forest进行多分类和模型调优
- 几种使用了CNN(卷积神经网络)的文本分类模型
- 文本分类(六):使用fastText对文本进行分类--小插曲
- caffe+python 使用训练好的VGG16模型 对 单张图片进行分类,输出置信度
- 使用朴素贝叶斯进行文本的分类
- 使用WVTool进行文本分类
- 【机器学习实验】使用朴素贝叶斯进行文本的分类
- 使用tensorflow实现的感知机进行文本分类
- 【机器学习实验】使用朴素贝叶斯进行文本的分类
- 使用libsvm进行文本分类
- 分别使用sk-learn和mllib进行文本情感分类
- 【机器学习实验】使用朴素贝叶斯进行文本的分类