hustqb的博客

论文：A Sensitivity Analysis of (and Practitioners’ Guide to) ConvolutionalNeural Networks for Sentence Classification2016年的论文，中国人的论文，作者写得很认真，每次实验的都非常详细（如交叉验证，实验多次等），这篇博客略去了对实验细节的介绍，只阐述结果。Abstract近年来...

文本特征提取基于词袋的向量化要知道，原始文本是不能直接被机器学习到的，因为机器通常需要以数值型的、定长的数据作为输入。原始文本是字符串或字符串集合。数值型、定长的数据是浮点型或整型的向量。为了让原始为本转化成数值型地、定长的向量，sklearn提供了三种常用的工具：令牌化字符串基于词频的向量化进行正则化或加权，使向量化的文本能包含一定的上下文信息。以上三种工具存在一种递...

在NLP之词袋模型一中介绍了最基本利用词袋模型(Bag of Words)进行词向量表达对方法，本文介绍几种提升词袋模型性能的方法。提升词袋模型性能的方法主要在以下几个方面：词袋的管理词向量表达方法的选择词袋的管理管理词袋包括：词袋的创建、词袋的维护。为了更好的管理词袋，我们首先考虑以下几个方面：词袋可能会很大，特别是当我们处理较多文本的时候。词袋很大的话，容易导致词向量比较...

声明：参考A Gentle Introduction to the Bag-of-Words Model词袋模型目的：将不定长的文本型数据转化为定长的数值型数据，以便用作机器学习模型的输入。用处：常用于文本建模和分类。优点：简单，易实现。缺点：不能考虑文本的结构和顺序。基本流程1. 获取全部文本以《双城记》中的一段话为例：It was the best of times,it...