【NLP自然语言处理】基于PyTorch深度学习框架构建RNN经典案例：构建人名分类器
学习目标 了解有关人名分类问题和有关数据 掌握使用RNN构建人名分类器实现过程 案例介绍 关于人名分类问题:以一个人名为输入, 使用模型帮助我们判断它最有可能是来自哪一个国家的人名, 这在某些国际化公司的业务中具有重要意义, 在用户注册过程中, 会根据用户填写的名字直接给他分配可能的国家或地区选项, 以及该国家或地区的国旗, 限制手机号...
7.1 NLP经典神经网络 RNN LSTM
一、自然语言情感分析 人类自然语言具有高度的复杂性，相同的对话在不同的情景，不同的情感，不同的人演绎，表达的效果往往也会迥然不同。例如"你真的太瘦了"，当你聊天的对象是一位身材苗条的人，这是一句赞美的话；当你聊天的对象是一位肥胖的人时，这就变成了一句嘲讽。感兴趣的读者可以看一段来自肥伦秀的视频片段，继续感受下人类语言情感的复杂性。 从视频中的内容可以看出，人类自然语言不只具有复杂...
【从零开始学习深度学习】49.Pytorch_NLP项目实战：文本情感分类---使用循环神经网络RNN
同上一篇文章中的搜索近义词和类比词一样，文本分类也属于词嵌入的下游应用。本文，我们将应用预训练的词向量和含多个隐藏层的双向循环神经网络，来判断一段不定长的文本序列中包含的是正面还是负面的情绪。 导入所需的包或模块。 import collections import os im...
NLP中的RNN、Seq2Seq与attention注意力机制（下）
NLP中的RNN、Seq2Seq与attention注意力机制（上）：https://developer.aliyun.com/article/1471380 展开 RNN 在每个时间步取出 RNN 的隐藏单元并复制。时间步中的每一次复制就像前馈网络中的一层。在时间步 t+1 中每个时间步 t 层与所有可能的层连接。因此我们对权重进行随机初始化，展开网络，然后...
NLP中的RNN、Seq2Seq与attention注意力机制（上）
NLP自然语言处理 的RNN、Seq2Seq与attention注意力机制 RNN循环神经网络 我们为什么需要 RNN？ 也许你现在想的是，已经有像卷积网络这样表现非常出色的网络了，为什么还需要其他类型的网络呢？有一个需要用到 RNN 的特殊例子。为了解释 RNN，...
图解NLP模型发展：从RNN到Transformer
图解NLP模型发展：从RNN到Transformer 自然语言处理 (NLP) 是深度学习中一个颇具挑战的问题，与图像识别和计算机视觉问题不同，自然语言本身没有良好的向量或矩阵结构，且原始单词的含义也不像像素值那么确定和容易表示。一般我们需要用词嵌入技术将单词转换为向量，然后再输入计算机进行计算。 词嵌入可用于多种任务，例如情感分类、文本生成、名称实体识别或机器翻译等。它以一种巧妙的处理方...
NLP学习笔记(一) RNN基本介绍
前言大家好，我是半虹，这篇文章来讲循环神经网络 (Recurrent Neural Network, RNN)文章行文思路如下：首先通过前馈神经网络引出为啥需要循环神经网络然后介绍循环神经网络的核心思想与运作方式最后拓展两个循环神经网络常见且常用的变体正文在讲循环神经网络前，先来回顾下前馈神经网络，这是深度学习中最基础的网络结构之一前馈神经网络也称为多层感知机，由多个隐藏层叠加得到，每个隐藏层可....
斯坦福NLP课程 | 第7讲 - 梯度消失问题与RNN变种
作者：韩信子@ShowMeAI，路遥@ShowMeAI，奇异果@ShowMeAI教程地址：http://www.showmeai.tech/tutorials/36本文地址：http://www.showmeai.tech/article-detail/241声明：版权所有，转载请联系平台与作者并注明出处收藏ShowMeAI查看更多精彩内容ShowMeAI为斯坦福CS224n《自然语言处理与深度....
NLP教程(5) - 语言模型、RNN、GRU与LSTM
作者：韩信子@ShowMeAI教程地址：http://www.showmeai.tech/tutorials/36本文地址：http://www.showmeai.tech/article-detail/239声明：版权所有，转载请联系平台与作者并注明出处收藏ShowMeAI查看更多精彩内容本系列为斯坦福CS224n《自然语言处理与深度学习(Natural Language Processing....
NLP三大特征提取器全梳理：RNN vs CNN vs Transformer
在上一篇文章中我们介绍了自然语言处理的基础问题——文本预处理的常用步骤。本文将进阶讲述特征提取方面的相关算法。如果用一句话总结目前 NLP 在特征提取方面的发展趋势，那就是「RNN 明日黄花，正如夕阳产业，慢慢淡出舞台；CNN 老骥伏枥，志在千里，如果继续优化，还可能会大放异彩；Transformer 可谓如日中天，在特征提取方面起着中流砥柱的作用」。至于将来，又会有什么算法代替 Transfo....
本页面内关键词为智能算法引擎基于机器学习所生成，如有任何问题，可在页面下方点击"联系我们"与我们沟通。