NLP基础理论与方法-1(ML)[Disaster Tweets]
基于机器学习的方法
1.CountVectorizer:统计词频
2.TfidfVectorizer:在词频的基础上使用文本频率,削弱高频没有意义的词汇
使用机器学习算法
逻辑回归,SVM
*准备模型输入:TfidfVectorizer
*定义模型并进行训练:LogisticRegression
*进行预测并生成输出
基于RNN/CNN的方法
词嵌入:
拓展到实数空间,
高维降维到低维(特征空间)
传统的词嵌入,在不同的上下文中的表示是相同的
ELMo:对相同的词在不同的上下文中生成不同的词向量
RNN基本思想:每个时刻考虑当前时刻的输入以及上一时刻的输出
LSTM:为了解决梯度消失导致的无法学习长期依赖的问题,引入cell state存储长期依赖信息,以遗忘门,输入门,输出门控制cell state
GRU:简化版LSTM,参数更少,不容易过拟合
RNN方法
CNN方法
基于transformer的方法(bert)