文本分类——Embedding、CNN、RNN练手

说明 本文是方法记录,不是完整的项目过程(在我Jupyter上,数据前期预处理部分懒得搬了),也没有调参追求准确度(家里电脑跑不动)。 参考任务来源于Kaggle,地址:电影评论情感分类 本文参考了不同的资料来源,包括斯坦福CS224N的课程资料,网上博客,Keras官方文档等 任务核心部分 1.单词表示 1.1 理论部分 对大部分(或者所有)NLP任务,第一步都应该是如何将单词表示成符合模型所需要的输入。最直接的思路就是将单词(符号)变为词向量。 词向量的表示方法: one-hot 编码:想法直接,但过于稀疏,且词与词之间正交,无法衡量词之间的相似度 基于矩阵分解的方法:比如不同词窗的矩阵,