我是靠谱客的博主 机灵帽子,最近开发中收集的这篇文章主要介绍《Python深度学习》6.1文本数据处理,觉得挺不错的,现在分享给大家,希望可以做个参考。

概述

深度学习用于文本和序列可以做很多工作,比如识别文章的主题或书的作者;两个文档或两支股票行情的相关程度(是不是可以做主任想做的简答题的判断);翻译; 情感分析,推文或者影评的正面或者负面评论 时间序列预测,如天气,股票预测,本章不都将主要讲红色部分两个主题。
处理文本数据主要有两种方式one-hot和token embedding。深度学习不会接受原始文本作为输入,他只能处理数值张量,文本向量化是指将文本转换为数值张量的过程。
具体的做法就不在说了,这边想说一下一些感悟。token embedding是将单词构建成向量,单词之间的关系映射为向量之间的关系,整个embedding层的变量就是这些向量的值,通过反向传播,不断的修正这些值,也就是解这些参数。embedding层的三个参数,并没有严格意义的矩阵的形式,其实就是三个参数,后面两个是由矩阵意义的,但是如果把max_words想成一维就会有问题。
maxlen=100书上说是取得前100个words但是我看的都是从后往前数了100个,第一个是舍弃的。
问题是在列表中,使用array作为索引和适应列表作为索引,这个不同我只知道不同,没有搞清楚为什么不同。

最后

以上就是机灵帽子为你收集整理的《Python深度学习》6.1文本数据处理的全部内容,希望文章能够帮你解决《Python深度学习》6.1文本数据处理所遇到的程序开发问题。

如果觉得靠谱客网站的内容还不错,欢迎将靠谱客网站推荐给程序员好友。

本图文内容来源于网友提供,作为学习参考使用,或来自网络收集整理,版权属于原作者所有。
点赞(48)

评论列表共有 0 条评论

立即
投稿
返回
顶部