【paddle深度学习高层API七日打卡营】三岁水课第四天——年夜饭的故事

大家好，这里是三岁，别的不会，擅长白话，今天就是我们的白话系列，内容是paddle2.0新出的高程API，在这里的七日打卡营0基础学习，emmm我这个负基础的也来凑凑热闹，那么就开始吧~~~~
注：以下白话内容为个人理解，如有不同看法和观点及不对的地方欢迎大家批评指正！

课程传送门
注：由于播放器的进度条遮挡，小姐姐的全貌比较难截全，希望各位见谅，特别是小姐姐见谅[戳戳手]

• 老师提到的要点都已经拿 粗体加斜体 标注了！！！（尽职课代表系列）

课程回看

任务目标

基本概念

主要的有：分词、词性标注、地名、机构名、快递单信息抽签、搜索、视频文章推荐、智能客服、对话、低质量文章识别……

什么是情感分析

通过一个自然语句的输入分析，这一句话的情感，可以分为正向、负向、中性

文本分类通用步骤

输入：一个自然语言的句子
通过：分词阶段
生成：词向量
接入：一个任务网络（分类器）

• 为什么词语要以向量的方式来表示?
  计算机处理的二进制的数据，只有用向量（张量）表示才能够跟好的处理
  

原理介绍

第一步：输入一个自然语言
第二步：切词（或者切字）
第三步：转换成ID（根据词语在词汇表的位置也就是id）
第四步：生成数组（在id位置是1其他位置是0）

注：按照图中的情况进行假设词汇表的长度是5w，那么3个词生成的数组就是（3，5w）

第五步：上面的数组乘以数组（数组的维度是词汇表长度*5的矩阵）
第六步：生成一个新的矩阵（句子长度 * 词向量的长度）

以图为例子： 3个词每一个词用5维的向量表示

第六步：批量处理

如下图：128个数据进行统一的处理就生成了一个3 * 5* 128的三维Tensor，Tensor的大小就是(128, 5, 3)[在里面句子的长度要相等长的要截断，短的要补齐]

第七步：通过黑盒得到一个句子向量（句子的长度这个维度被抹除了）

词向量到句子向量

• 加权平均法：
  把单个的词向量加起来就是句子向量
  
• 序列建模法：
  针对加权法的缺点改进的建模方法
  
• 预训练模型法

循环神经网络RNN

RNN的关键点：词向量从左往右逐词处理，不断的挑整网络。
每个时刻调用的是同一个网络

循环神经网络—长短时记忆