【自然语言处理实践04】基于BiLSTM的文本分类.pptxVIP

1

基于BiLSTM的文本分类

2

文本分类基本概念

随着互联网的高速发展，海量文本数据不断产生，如何面对浩如烟海的数据进行分类、组织和管理，已经成为一个具有重要用途的研究课题，广受学术界和工业界关注。

文本分类(TextClassification)根据给定文档的内容或主题，自动分配预先定义的类别标签。

文本聚类(TextClustering)根据文档之间的内容或主题相似度，将文档集合划分成若干个子集，每个子集内部的文档相似度较高，而子集之间的相似度较低。

应用场景：新闻自动分类、电子商务评价分类、垃圾邮件识别等。

3

文本分类基本概念

文本分类模型

基于机器学习的分类：朴素贝叶斯(NaiveBayes)、支持向量机(SVM)、最大熵分类器

基于神经网络的方法：多层感知机(MLP)、卷积神经网络(CNN)、循环神经网络(RNN)

文本聚类模型

基于距离的聚类：通过相似度函数计算语义关联度，然后根据语义关联度进行聚类，如K-means

基于概率模型的聚类：假设每篇文章是所有主题上的概率分布，典型的主题模型包括PLSA和LDA等

实践先验——长短时记忆神经网络LSTM

长短时记忆神经网络（LongShort-TermMemoryNeuralNetwork，LSTM）是循环神经网络的一个变体，可以有效地解决长期依赖问题/梯度消失问题。

LS