作者归档 | Jason Brownlee

NLP 深度学习速成班。在 7 天内将深度学习方法应用于您的文本数据项目。我们有海量的文本，来自书籍、论文、博客、推文、新闻，以及越来越多的口语文本。处理文本很困难，因为它需要借鉴语言学、机器学习、统计学等不同领域的知识 [...]

语言模型根据序列中先前的特定词来预测序列中的下一个词。也可以使用神经网络在字符级别开发语言模型。基于字符的语言模型的优势在于其较小的词汇量和处理任何单词、标点符号的灵活性 [...]

语言建模涉及根据已有的词语序列预测下一个词。语言模型是许多自然语言处理模型（如机器翻译和语音识别）的关键要素。语言模型的构建方式必须与其预期的使用方式相匹配 [...]

语言建模是许多重要自然语言处理任务的核心。最近，基于神经网络的语言模型在独立性和作为更具挑战性的自然语言处理任务的一部分时，都表现出比经典方法更好的性能。在这篇文章中，您将发现用于自然语言处理的语言建模。阅读本文后，您将了解：为什么语言 [...]

分步在 Python 的 Keras 中开发一个深度学习模型，以自动将电影评论分类为正面或负面。词嵌入是一种表示文本的技术，其中具有相似含义的不同词具有相似的实值向量表示。它们是神经网络模型在 [...] 上取得优异性能的关键突破。

编码器-解码器模型提供了一种使用循环神经网络解决具有挑战性的序列到序列预测问题（例如机器翻译）的模式。编码器-解码器模型可以在 Keras Python 深度学习库中开发，并且在 Keras 博客上描述了一个使用该模型开发的神经机器翻译系统示例，其中包含示例 [...]