AI
文章平均质量分 94
Monkey typist
一只想做游戏的Monkey
展开
-
属性级情感分析(于restaurant14和laptop14数据集上使用LSTM和GRU、 MemNet和IAN以及CNN等)的对比分析
随着人们的社交活动、消费习惯、工作内容也逐渐由线下转移到线上,从互联网上海量文本中自动挖掘出人们对各类事务的需求、喜好、观点、态度等,具有广阔的应用场景和很高的商业价值。在自然语言处理领域,情感分析是一种从文本中自动抽取该文本中表达的对某些实体(比如产品、服务、话题、事件等)的情感、观点、态度的技术。情感分析主要分为三个级别【1】:(1)句子级别的情感分析(Sentiment Analysis),(2)属性级别的情感分析(Aspect—based Sen-timentAnalysisABSA), (3)文原创 2022-03-21 16:33:19 · 5048 阅读 · 1 评论 -
垃圾邮件分类任务中多种机器学习(贝叶斯、支持向量机和随机森林)和深度学习(GloVe和LSTM)方法的应用和对比
随着时代的发展,信息以指数形式增长,为了能够从海量信息中迅速找到所需要的信息,就需要对信息进行分类,因此自动文本分类技术应运而生。文本分类其任务是将自然语言文本根据其内容分为预先定义的两类或者多类。文本分类的应用领域极为广泛,垃圾邮件分类就是其中一个很重要的应用。通常我们将“广告促销”等营销邮件判定成垃圾邮件。例如\垃圾邮件分类任务语料\train\Data\001\路径下的067邮件:< TEXT >萬泰商銀特別專案貸款(非 @指成金信用貸款,即使非上班族也能申貸)免保人,免擔保品,原创 2022-03-21 16:19:59 · 4369 阅读 · 2 评论