Keras 深度学习库提供了长短期记忆（LSTM）循环神经网络的实现。作为此实现的一部分，Keras API 提供了对 return sequences 和 return state 的访问。在设计复杂的循环神经网络模型（例如 [...]）时，这些数据的用法和区别可能会令人困惑。
作者归档 | Jason Brownlee
使用深度学习进行文本分类的最佳实践
文本分类描述了一类通用问题，例如预测推文和电影评论的情感，以及将电子邮件分类为垃圾邮件或非垃圾邮件。深度学习方法在文本分类方面表现出色，在各种标准的学术基准问题上取得了最先进的结果。在本帖中，您将发现一些 [...]
如何开发用于情感分析（文本分类）的深度学习词袋模型
电影评论可以被归类为有利或不利。电影评论文本的评估是一个分类问题，通常称为情感分析。开发情感分析模型的一种流行技术是使用词袋模型，该模型将文档转换为向量，其中文档中的每个单词都被分配一个分数。在此 [...]
带注意力机制的RNN编码器-解码器架构的实现模式
用于循环神经网络的编码器-解码器架构在自然语言处理领域的许多序列到序列预测问题中都显示出强大的能力。注意力是一种解决编码器-解码器架构在长序列上的局限性的机制，它通常可以加快学习速度并提升 [...] 的技能。
如何使用 Python 清理文本以进行机器学习
您不能直接从原始文本开始拟合机器学习或深度学习模型。您必须先清理文本，这意味着将其拆分成单词并处理标点符号和大小写。事实上，您可能需要使用一套完整的文本准备方法，并且选择哪种方法 [...]
如何在Keras中开发带注意力机制的编码器-解码器模型
用于循环神经网络的编码器-解码器架构在自然语言处理领域的许多序列到序列预测问题中都显示出强大的能力，例如机器翻译和字幕生成。注意力是一种解决编码器-解码器架构在长序列上的局限性的机制，并且它通常可以加快 [...]。
如何为情感分析（文本分类）准备电影评论数据
文本数据准备因问题而异。准备工作从简单的步骤开始，例如加载数据，但很快就会变得困难，因为数据清理任务非常特定于您正在处理的数据。您需要帮助来指导您从原始数据到数据 [...] 的步骤的起点和顺序。
注意力机制在编码器-解码器递归神经网络中是如何工作的
注意力是一种用于提高编码器-解码器 RNN 在机器翻译方面的性能的机制。在本教程中，您将了解编码器-解码器模型的注意力机制。完成本教程后，您将了解：关于编码器-解码器模型和用于机器翻译的注意力机制。如何逐步实现注意力机制。 [...]
什么是文本的词嵌入？
词嵌入是一种词表示方法，它允许具有相似含义的词具有相似的表示。它们是文本的分布式表示，可能是深度学习方法在处理具有挑战性的自然语言处理问题时取得令人印象深刻的性能的关键突破之一。在本帖中，您将发现 [...]
词袋模型简介
词袋模型是一种在机器学习算法的文本建模时表示文本数据的方法。词袋模型易于理解和实现，并在语言建模和文档分类等问题上取得了巨大成功。在本教程中，您将了解用于自然语言中的特征提取的词袋模型 [...]