如何利用深度学习做好文本分类（text classification）
目录 1.简述 2.分析任务 3.构建baseline模型 3.1 数据清洗与预处理 3.2 选取合适的模型 3.2.1 模型选取方法 3.2.2 GELE模型为baseline 4. 评估指标 5.baseline的优化 5.1 采用预训练好的词向量 5.2 label smoothing 5.3 损失函数的选择 5.4 数据增强和数据噪音的处理 5.5 引入先验知识 5.6 模型超参数
相关文章
- 1. 深度学习之----TextCNN文本分类
- 2. 深度学习和文本分类
- 3. 深度学习-08(PaddlePaddle文本分类)
- 4. Task5 文本分类(深度学习)
- 5. 文本分类之深度学习应用总结
- 6. 【深度学习NLP论文笔记】《Deep Text Classification Can be Fooled》
- 7. 深度学习在文本分类中的应用
- 8. 干货 | 深度学习在文本分类中的应用
- 9. 将迁移学习用于文本分类 《 Universal Language Model Fine-tuning for Text Classification》
- 10. 深度学习（CNN RNN）在文本分类中的应用
- 更多相关文章...
- • XSD 如何使用? - XML Schema 教程
- • 如何伪造ARP响应？ - TCP/IP教程
- • Kotlin学习（二）基本类型
- • Kotlin学习（一）基本语法
相关标签/搜索
每日一句
-
每一个你不满意的现在，都有一个你没有努力的曾经。
欢迎关注本站公众号,获取更多信息
相关文章
- 1. 深度学习之----TextCNN文本分类
- 2. 深度学习和文本分类
- 3. 深度学习-08(PaddlePaddle文本分类)
- 4. Task5 文本分类(深度学习)
- 5. 文本分类之深度学习应用总结
- 6. 【深度学习NLP论文笔记】《Deep Text Classification Can be Fooled》
- 7. 深度学习在文本分类中的应用
- 8. 干货 | 深度学习在文本分类中的应用
- 9. 将迁移学习用于文本分类 《 Universal Language Model Fine-tuning for Text Classification》
- 10. 深度学习（CNN RNN）在文本分类中的应用