TextCNN 与 FastText 文本分类实战【Embedding|Word2Vec】

最新推荐文章于 2024-08-08 08:23:41 发布

南七小僧

最新推荐文章于 2024-08-08 08:23:41 发布

阅读量4k

点赞数

分类专栏：人工智能与深度学习算法研究机器学习自然语言处理爬虫 keras Python tensorflow 人工智能

我是南七小僧，邮箱：xkk9866@yeah.net ，C9博士，前百度搜索AI平台产品负责人，欢迎交流思想碰撞。

本文链接：https://blog.csdn.net/qq_25439417/article/details/82532466

版权

人工智能同时被 3 个专栏收录

205 篇文章 263 订阅 ¥19.90 ¥99.00

订阅专栏

人工智能与深度学习算法研究

90 篇文章 217 订阅 ¥19.90 ¥99.00

订阅专栏

机器学习

43 篇文章 155 订阅 ¥19.90 ¥99.00

订阅专栏

本文分享了TextCNN和FastText在文本分类中的应用，重点在于 Embedding 层的参数解释，包括 input_dim、output_dim 等，并提醒在使用 concatenat 时需注意使用 keras 包内的方法。文中还提及了网络结构，如使用100个filters的卷积核。

摘要由CSDN通过智能技术生成

具体的理论知识，可以看看前面几篇文章，有详细介绍，这里直接po代码了

# -*- coding: utf-8 -*-
"""
  @Author: xkk
  @Date: 2018-09-07 12:42:37
  @Last Modified by:   xkk
  @Last Modified time: 2018-09-07 12:42:37
"""
import jieba
import pandas as pd
import numpy as np
from keras.preprocessing.text import Tokenizer
from keras.preprocessing.sequence import pad_sequences
from keras.utils import to_categorical
from keras.models import Model
from keras.layers import Input
from keras.layers import Embedding
from keras.layers import Dense
from keras.layers import Dropout,Conv1D,MaxPooling1D,Flatten
from keras.layers import GlobalAveragePooling1D
from keras.layers import SpatialDropout1D
from keras.layers import concat

了解本专栏