最新深度学习文本分类模型汇总(github开源)
向AI转型的程序员都关注了这个号 👇👇👇 机器学习AI算法工程 公众号： datayx 它有各种文本分类的原型模型。虽然这些模型中的许多都很简单，但有些模型是经典的，所以它们可以很好地作为基础模型。每个模型在模型类下都有一个测试函数。你可以跑它先执行测试任务。模型独立于数据集。 在这里查看大规模多标签文本分类的正式文档，并进行深入学习。这里的几个模型也可以用于问题回答（有上下文或无上下文）建模，或者进行序列生成。我们探索了两个seq2seq模型（seq2seq with attention，transformer attention is all you needed）来进行文本分类。这两个模型也可以用于序列生成和其他任务。如果您的任务是多标签分类，您可以将问题强制转换为序列生成。 我们实现了两个记忆网络。一个是动态存储器网络。在此之前，它达到了相关的最新水平。回答、情绪分析和顺序生成任务。这就是所谓的一个模型来完成几个不同的任务，达到高性能。它有四个模块。关键部件是情景记忆模块。它使用门机制来注意性能，并使用选通GRU更新情节记忆，然后它有另一个GRU（垂直方向）来性能隐藏状态更新。它具有进行传递性推理的能力。我们实现的第二个内存网络是循环实体网络：跟踪世界状态。它有几个街区键值对作为内存，并行运行，达到了新的技术水平。可用于建模问题用上下文（或历史）回答。例如