1.CNN架构
2.全连接网络模型
3.RNN架构
4.双向RNN架构
5.序贯模型CNN+RNN
6.函数式模型CNN+RNN
7.函数式模型、序贯模型CNN+RNN(思路扩展)
自己还尝试了交叉混合的架构:一层CNN+一层RNN+一层CNN+一层RNN。在实验数据上效果还不错。
8.总结
以上模型算是常见的几个NLP端到端的模型,且最后都是一个分类的模型。(如果任务不是分类模型可以修改)model.compile(loss="binarycrossentropy",optimizer="adam",metrics=["accuracy",f1])” 改成“model.compile(loss='mse', optimizer=adam, metrics=['mse'])。总的来讲就是要修改损失函数。
9.声明
以上的模型均来自好未来AI Lab训练营优秀学员以及我和我的队友常永炷兄弟的作品,在此致谢好未来。。。
源码地址:https://gitee.com/TensorPro/codes/b321zmdh48lji5ptyfn7s55
https://github.com/cyzLoveDream/text_dnn_classifier