深度学习（二）————文本预处理、语言模型、循环神经网络基础

渣渣菜

于 2020-02-14 20:12:06 发布

阅读量474

点赞数

CC 4.0 BY-SA版权

分类专栏：深度学习

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.csdn.net/qq_33589122/article/details/104317875

本文深入探讨深度学习中的文本预处理，包括读入、分词、建立字典和转换为索引序列。接着讲解了语言模型的重要性，介绍了n-gram和神经网络语言模型的基本概念。此外，还详细阐述了循环神经网络的基础，如其结构和计算过程，特别是如何用于语言模型预测。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

目录

文本预处理

n-gram语言模型

神经网络语言模型

循环神经网络基础

文本预处理

文本是一类序列数据，一篇文章可以看作是字符或单词的序列，本节将介绍文本数据的常见预处理步骤，预处理通常包括四个步骤：

读入文本
分词
建立字典，将每个词映射到一个唯一的索引（index）
将文本从词的序列转换为索引的序列，方便输入模型

常用文本预处理python库有Standford NLP 和NLTK

语言模型

一段自然语言文本可以看作是一个离散时间序列，给定一个长度为T的词的序列w1,w2,…,wT，语言模型的目标就是评估该序列是否合理，即计算该序列的概率：

n-gram语言模型

为了解决自由参数数目过多的问题，引入了马尔科夫假设：随意一个词出现的概率只与它前面出现的有限的n个词有关。基于上述假设的统计语言模型被称为N-gram语言模型。

神经网络语言模型

基本的思想其

最低0.47元/天解锁文章

200万优质内容无限畅学

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。