摘要：
Hierarchical Attention Networks for Document Classification 论文的理解 在论文的摘要中，它提出了论文的两个特点。第一个就是对应文章所有具有的分层结构，这个模型采取了相应的分层结构。这个文章的分层结构怎么理解呢？ 文章是具有分层结构的，单词构 阅读全文
摘要：
HAN 模型 最开始看这个模型是看的这个解释: RNN+Attention(HAN) 文本分类 阅读笔记 今天做作业没的文章 知乎 https://zhuanlan.zhihu.com/p/42121435 Hierarchical Attention Networks for Document C 阅读全文
摘要：
RCNN 首先从这里 "通俗易懂理解——双向LSTM" 我了解到对于RNN来说，上一层的隐层仓的输出和这一时刻输入 两者向量拼接作为输入。这一层的输入维度取决于输入神经元的个数，隐层的输入维度取决于rnn隐层的神经元的个数。 通过这个知识点的了解，我就知道为什么在 "这个教程中" lstm在初始化h 阅读全文
摘要：
[具体参考可以看这里(https://cloud.tencent.com/developer/article/1369425) 阅读全文
摘要：
在读Convolutional Neural Networks for Sentence Classification 这个文章的时候，它在论文中提出一种模型变种就是 CNN multichannel，也就是多通道CNN。 和最普通的textcnn相比，这个东西最重要的一个区别就是输入为两个通道，一 阅读全文
摘要：
第一个模型就是TextCNN 对于textcnn一个基本介绍可以参考 "这里" textcnn 模型的pytorch实现版本 需要参考的链接 "文本分类模型pytorch实现 1" "文本分类模型pytorch实现 2" "文本分类模型多通道CNN讲解" "文本分类模型深度CNN讲解" "NLP如何 阅读全文
摘要：
word2vec 20190305学习得到的新的感悟 之前，我一直认为word2vec得到的词向量是输入层和隐层之间的参数，我其实对这句话的理解并不深入。 这句话本质上是没有错的，但是更加准确的说法应该是: 每个单词的one hot词向量模式乘以这个权重矩阵得到的是相对应的单词的word2vec词向 阅读全文
摘要：
词向量 我们以句子分类为例，我们使用深度学习模型对句子进行分类，本质上这个模型的接受的舒服需要是数值型。因为文字是人们抽象出来的一个概念，这个 东西是不能被计算机直接理解的，我们需要人为的将这个文字转为数值，换句话讲，我们需要把这个文字嵌入到一个数学空间中去，这中嵌入方式就是词嵌入方式。 Word2 阅读全文