本资源是https://jarod.blog.csdn.net/article/details/127636618的配到资源，详细讲解了如何从零开始用TensorFlow搭建TextCNN，完成文本分类任务。
包含完整源代码和教程文档。模型搭建在Jupyter环境，可以根据教程文档或参考源代码自己一步一步实现自己的TextCNN，并在自己的数据集上训练出自己的模型。
模型在测试集上准确率达到96.45%，可以满足生产使用。
2023-05-12 17:45:36
60KB
1
NLP项目实例，实现一个类似于中文输入法中联想的功能；项目利用深度学习框架Pytorch，构建一个LSTM（也支持NGram，TextCNN，LSTM，BiLSTM等）模型，实现一个简易的中文单词预测（词语预测）功能，该功能可以根据用户输入的中文语句，自动预测(补充)词语；基于该项目训练的中文单词预测(词语预测）模型，在自定义的数据集上Top-1准确率最高可以达到91%左右，Top-5准确率最高可以达到97%左右。博文：https://blog.csdn.net/guyuealian/article/details/128582675
2023-04-18 22:22:20
432B
1
中文新闻分类模型，利用TextCNN模型进行训练，TextCNN的主要流程是：获取文本的局部特征：通过不同的卷积核尺寸来提取文本的N-Gram信息，然后通过最大池化操作来突出各个卷积操作提取的最关键信息，拼接后通过全连接层对特征进行组合，最后通过交叉熵损失函数来训练模型。
2023-02-19 17:06:30
48.44MB
1
Bert作为目前自然语言处理领域最流行的技术之一，文本分类作为自然语言处理领域最常见的任务之一，Pytorch作为目前最流程的深度学习框架之一，三者结合在一起将会产生什么样的花火，本套课程基于Pytorch最新1.4版本来实现利用Bert实现中文文本分类任务，延续动手学系列课程风格，全程手敲代码，跟着杨博一行一行代码撸起来。
2023-02-19 11:18:18
461B
1
基于深度学习的文本分类系统（完整代码+数据）bert+rnn textcnn fastcnn bert.rar
2023-01-17 06:50:17
5.82MB
1
文本数据的序列性使得RNN的循环迭代模式成为显而易见的选择，但如果我们把文本编码后的结果（Batch×sequence×embedding）看做一张图片，那么通过卷积的方式提取文本信息也理所当然。这就是TextCNN算法的初衷。
TextCNN是一种高效的文本卷积算法，其可以捕捉相邻文本间的局部结构关系，同时卷积的特性又使得其支持并行操作。该算法在文本分类问题上的效果与TextRNN算法相当，因此被广泛使用。
那么如何从图片编码的角度，来合理的看待文本数据编码呢？这里提供两种视角：
视角1： 宽度为1的长条状图片，其embedding的尺寸可视为图片的channel大小。
对此，可直接应用1
2022-05-11 23:10:41
237KB
1
1、内容概要：本资源主要基于TextCNN（keras）实现文本分类，适用于初学者学习文本分类使用。
2、数据集为电商真实商品评论数据，主要包括训练集data_train，测试集data_test ，经过预处理的训练集clean_data_train和中文停用词表stopwords.txt，可用于模型训练和测试，详细数据集介绍见商品评论情感数据说明文档。
3、源代码：word2vec_analysis.py 是基于Word2Vec进行词向量的生成，采用向量平均求得句向量，然后分别构建RandomForest和GBDT分类模型进行文本分类。
4、源代码：textcnn_model.py是基于Keras构建CNN、TextCNN卷积神经网络模型对文本进行分类。
2022-05-07 08:29:02
11.13MB
简介
1、本项目是在tensorflow版本1.14.0的基础上做的训练和测试。
2、本项目为中文的文本情感分析，为多文本分类，一共3个标签：1、0、-1，分别表示正面、中面和负面的情感。
3、欢迎大家联系我
4、albert_small_zh_google对应的百度云下载地址：
链接：
提取码：wuxw
使用方法
1、准备数据
数据格式为：sentiment_analysis_albert/data/sa_test.csv
2、参数设置
参考脚本 hyperparameters.py，直接修改里面的数值即可。
3、训练
python train.py
4、推理
python predict.py
知乎代码解读
2022-03-22 22:18:28
685KB
1