NLP任务中可参考的神经网络架构（Keras+TensorFlow）

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