一、文本预处理
1.文本是一类序列数据,一篇文章可以看作是字符或单词的序列,预处理通常包括四个步骤:
(1)读入文本
(2)分词
(3)建立字典,将每一个词映射到一个唯一的索引
(4)将文本从词的序列转化为索引的序列,方便输入模型
2.现有的分词工具
例如: SpaCy, NLTK
二、语言模型
1.一段自然语言文本可以看作是一个离散时间序列,给定一个长度为 T 的词的序列 w1,w2,…,wT ,语言模型的目标就是评估该序列是否合理,即计算该序列的概率:
P(w1,w2,…,wT).
2.在时序数据的采样,我们通常使用随机采样和相邻采样两种方法。
三、循环神经网络基础
1.循环神经网络可以用来实现语言模型。我们可以基于当前输入与过去输入的数据来预测接下来的序列字符。下图展示了循环神经网络实现语言模型的示例: