深度学习:自然语言处理
文章平均质量分 97
本专栏涉及创建深度学习模型、处理非结构化数据以及指导复杂的模型,如卷积神经网络、递归神经网络,包括长短期记忆(LSTM) 、门控循环单元 (GRU)、自动编码器(AE)、受限玻尔兹曼机(RBM)、深度信念网络(DBN)、生成对抗网络 (GAN)、深度强化学习(DRL)、大型语言模型(LLM)和迁移学
矩阵猫咪
这个作者很懒,什么都没留下…
展开
-
基于双向长短期记忆BiLSTM对消费者投诉进行多类分类
消费者投诉分类是指对消费者所报投诉的性质进行分类。这对消费者服务部门很有帮助,因为他们每天都会收到成千上万的投诉,因此对这些投诉进行分类有助于确定哪些投诉需要首先解决,以减少消费者的损失。原创 2024-05-24 00:57:38 · 341 阅读 · 0 评论 -
基于多项式分布朴素贝叶斯MultinomialNB、文本矢量化TextVectorization、BiLSTM(双向LSTM)检测垃圾短信
在当今社会,几乎每个人都有一部手机,他们的手机都会定期收到通信(短信/电子邮件)。但重要的一点是,收到的大多数信息都是垃圾信息,只有少数是必要的通信。骗子制造欺诈性短信,骗取你的个人信息,如密码、账号或社会保险号。如果他们掌握了这些信息,就有可能访问您的电子邮件、银行或其他账户。在本文中,我们将使用 `Tensorflow` 开发各种深度学习模型,用于垃圾短信检测,并分析不同模型的性能指标。原创 2024-05-13 23:57:49 · 1397 阅读 · 3 评论