本例以Ex. 5-2为基础,采用预训练好的词向量Glove来进行迁移学习,重要性不言而喻,是很多NLP项目的基础。自行编码和范例的结果基本相同。
这个案例相对复杂,网络上使用了预训练的Embedding,卷积层,全连接线性层,Dropout方法,颇有承上启下的味道。故总结了网络结构和数据流,方便后期复习。
待解决的问题:给定AGNews的新闻标题,对其进行分类:商业,政治,体育等。
目录
神经网络结构及数据维度的变化
数据流和模型的搭建
细节问题
1. 在将语料向量化时,注意本例使用了“包装和填充”,如下图所示(图片截自原书)。
因为有起始和结束符的存在,所以在Ex. 5-2中检测出的max seq length