zoukankan      html  css  js  c++  java
  • 关于NLP和深度学习,准备好好看看这个github,还有这篇介绍

    这个github感觉很不错,把一些比较新的实现都尝试了:

    https://github.com/brightmart/text_classification

    1. fastText

    2. TextCNN

    3. TextRNN

    4. RCNN

    5. Hierarchical Attention Network

    6. seq2seq with attention

    7. Transformer("Attend Is All You Need")

    8. Dynamic Memory Network

    9. EntityNetwork:tracking state of the world

    10. Ensemble models

    11. Boosting:

    这篇文章很不错:

    https://zhuanlan.zhihu.com/p/25928551

    是从下面的文章里面看到的。

    然后这篇文章也不错,提到了上面的github:

    https://blog.csdn.net/guohao_zhang/article/details/78966527

    自然语言处理中的多模型深度学习

    这里先分享两个分享:
    一个是用深度学习(CNN RNN Attention)解决大规模文本分类问题 - 综述和实践,另一个是 brightmart 的 text_classification,里面用 Keras 实现了很多文本分类的模型)

    以及下面的各种分享:
    2017 知乎看山杯从入门到第二
    知乎看山杯夺冠记
    深度学习与文本分类总结第二篇–大规模多标签文本分类
    2017知乎看山杯总结(多标签文本分类)

    现在,小结一下这里面涉及到的多模型深度学习的相关
    ---------------------
    作者:GerHard_Z
    来源:CSDN
    原文:https://blog.csdn.net/guohao_zhang/article/details/78966527
    版权声明:本文为博主原创文章,转载请附上博文链接!

  • 相关阅读:
    [Everyday Mathematics]20150208
    [Everyday Mathematics]20150207
    [Everyday Mathematics]20150206
    数学基本技艺100题
    这天,白云酒楼里来了两位客人
    [Everyday Mathematics]20150205
    [Everyday Mathematics]20150204
    数学书籍阅读
    国科金发计〔2014〕86号
    [Everyday Mathematics]20150203
  • 原文地址:https://www.cnblogs.com/charlesblc/p/9950011.html
Copyright © 2011-2022 走看看