博客

目录

• 介绍
• 所需素材
• CNN
• RNN
• HAN

如题，本文将要介绍三种模型：

• 
  Convolutional Neural Network (CNN)
  
• 
  Recurrent Neural Network (RNN)
  
• 
  Hierarchical Attention Network (HAN)
  

介绍

文本分类是自然语言处理和监督学习领域一个非常热门的子任务，很多新手的学习也都是从文本分来开始的。那么文本分类是啥？

类似于判定一则新闻是否是垃圾新闻，通常此类数据只需两个字段，比如：

review

，

label

等。我们需要做的就是根据带标签的文本数据，训练出一个判别器，用于识别其类型的正负。常见的文本分类任务有：

• 文本情感分类（喜怒哀乐）
• 垃圾邮件判别
• 用户话语标签（某米音响中的：放歌，闭嘴，关灯等话语）
• 新闻类别分类（历史，娱乐，政治等）

当然应用领域肯定不止这些，分类属于一个非常基础且重要的功能，学好不易，且学且努力。

安利一波文本分类代码：

• Text-Classification
• brightmart-text-classification
• cnn-text-classification-tf
• …… ( ‍ 自己上gayhub上找)

素材准备

一个健全的文本分类任务是需要准备以下素材的：

• 
  训练语料
  
  ：没有这个都是*淡
• 
  WordEmbedding
  
  ：可以使用预训练好的词向量，也可以自己训练词向量
• 预训练好的词向量：
  • 中文：https://github.com/Embedding/Chinese-Word-Vectors
  • 英文：
    • glove
    • fasttext
    • word2vec
• 
  标签