基于深度学习的文本分类论文推荐——fasttext,textcnn

简介

情感分类是对带有感情色彩的主观性文本进行分析推理的过程，在这个过程中我们需要分析出说话人的态度和观点，即他的态度是正面还是反面。情感分类按照其分析的粒度可以分为篇章级，句子级和短语级。篇章级情感分类是指对篇章级别的句子进行情感分类，分类过程中可能需要涉及到句子之间的起承转合，句子级的情感分类是是对句子进行情感分类，短语级的情感分类是指对短语进行情感分类，例如“相机的画质还不错但是电池的续航能力比较差”中，用户对于画质的评价就比较偏正向，对电池的评价就比较偏负向。

情感分析的一般方法也主要分为三种，一种是基于规则的情感分类，这种分类方法主要是依靠情感词典来对文本进行分析；一种是基于机器学习方法的情感分类，还有一种是基于深度学习的情感分类。在上一篇文章中我们为大家简单介绍了基于规则和基于机器学习的情感分类，这篇文章我们将为大家介绍几篇基于深度学习的文本分类的论文，由于篇幅有限本文将重点介绍fasttext和textcnn。

Bag of Tricks for Efficient Text Classification

论文链接：https://arxiv.org/pdf/1607.01759v2.pdf

源码：https://github.com/facebookresearch/fastText

推荐理由：传说中的fasttextfacebook推出的非常经典的文本分类模型，训练速度非常快，可以快速上手反复迭代哦

这是2016年由Facebook提出的一种比较迅速的词向量和文本分类方法，模型的结构类似于CBOW（连续词袋模型）都是由输入层，隐藏层，输出层组成，输出层的结果是一个特定的目标，例如预测下一个词汇之类的。但是fasttext和CBOW的区别是,如下图所示&#