1. 程式人生 > >Sentiment Analysis with Recurrent Neural Networks in TensorFlow 利用TensorFlow迴歸神經網路進行情感分析 Pluralsigh

Sentiment Analysis with Recurrent Neural Networks in TensorFlow 利用TensorFlow迴歸神經網路進行情感分析 Pluralsigh

Sentiment Analysis with Recurrent Neural Networks in TensorFlow 中文字幕

利用TensorFlow迴歸神經網路進行情感分析 中文字幕Sentiment Analysis with Recurrent Neural Networks in TensorFlow

Alt 情感分析和自然語言處理是使用機器學習技術解決的常見問題 在不通過評論的情況下獲得準確而好的問題答案需要應用深度學習技術,如神經網路 在本課程中,在TensorFlow中使用遞迴神經網路進行情感分析,您將學習如何利用遞迴神經網路(RNN)根據情緒對電影評論進行分類 首先,您將瞭解如何使用word2vec模型中的skip-gram方法生成單詞嵌入,並瞭解如何通過使用特殊的損失函式(噪聲對比估計)來優化 此神經網路 接下來,您將深入瞭解RNN以及如何實施RNN來對電影評論進行分類,並將神經網路實現與標準機器學習模型Naive Bayes演算法進行比較和 對比 最後,您將學習如何實現相同的RNN,但使用預先構建的字嵌入 在本課程結束時,您將能夠理解並實現單詞嵌入演算法以生成文字的數字表示,並且知道如何使用這些單詞嵌入來構建具有RNN的基本分類 模型

Alt Alt Alt Alt Alt 嗨,我叫Janani Ravi。 歡迎使用TensorFlow中使用遞迴神經網路的情感分析課程。 關於我自己。 我擁有斯坦福大學的電子工程碩士學位,並曾在微軟,谷歌和Flipkart等公司工作過。 在Google,我是最早在Google Docs中進行實時協作編輯的工程師之一,我擁有四項基礎技術專利。 我目前在自己的創業公司Loony Corn工作,這是一個高質量視訊內容的工作室。 遞迴神經網路是一種通用且功能強大的神經網路形式,對於需要考慮上下文的應用程式非常有用。 RNN非常適合考慮資料序列,電影中的幀,段落中的句子或句點中的股票收益。 為了使RNN能夠處理文字序列,我們首先構建單詞嵌入,這是單詞的數字表示,用於輸入神經網路。 生成單詞嵌入是一項計算繁重的操作,可以通過使用特殊的損失函式(噪聲對比估計器)進行優化。 RNN特別適用於自然語言處理應用,本課程使用RNN構建複雜的情感分類系統。 我們使用稱為LSTM的特定RNN架構,或長期短期記憶體。 該架構克服了RNN遭受的已知問題,優化期間的不穩定性,消失和爆炸變體的問題。 本課程視訊下載地址:

利用TensorFlow迴歸神經網路進行情感分析