文章讲述了在文本分类任务中，如何利用已有的词嵌入对字符进行向量化处理，特别是对于通用任务如新闻标题分类，预训练的词嵌入能有效捕捉词汇的一般意义。同时提到，对于特定语境下的词汇，可能需要更专业化的词嵌入模型。文中以TestRNN模型为例，展示了加载npz格式的词嵌入并转换为Tensor的过程，以及LSTM模型的应用。
数据预处理
词嵌入
先将字符处理为向量，我选择使用已经训练好的词嵌入。
为什么可以使用别人训练好的词嵌入？
比如：篮球，在不同语境下都是一样的意思，我们新闻标题分类任务，算是比较大众的任务，所以我们可以使用别人做好的词嵌入；有一些词汇，可能在不同语境下含义不一样，需要更加专业的词嵌入。
文本分类的十个类别分别是
构建模型
TestRNN
设置路径
将npz格式的embedding，用numpy读进来，然后转tensor格式
参数设置
lstm模型
扫一扫
628
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
