1:做基本介绍
2:数据集如何做增强的(数量和质量,噪声如何添加)
3:分类用到的两个分类(bert、TextCNN):bert如何理解,如何调用输出,TextCNN卷积核形式。
4:bert: mask模型目的。bert与word2vec区别,bert内部最重要的创新点。
5:lstm:怎么解决RNN梯度消失的问题
6:droupout:在随机丢弃后,如何进行处理的(源码)
7:流量分类的概述:
总结:基本是BERT与LSTM模型。感觉凉凉。
1:做基本介绍
2:数据集如何做增强的(数量和质量,噪声如何添加)
3:分类用到的两个分类(bert、TextCNN):bert如何理解,如何调用输出,TextCNN卷积核形式。
4:bert: mask模型目的。bert与word2vec区别,bert内部最重要的创新点。
5:lstm:怎么解决RNN梯度消失的问题
6:droupout:在随机丢弃后,如何进行处理的(源码)
7:流量分类的概述:
总结:基本是BERT与LSTM模型。感觉凉凉。