深度学习入门之PyTorch学习笔记#6

今天学习了通过LSTM进行词性识别,就是对一句话中的单词是名词、动词、形容词等等之类的进行划分,由于很多单词具有多种词性,因此需要根据整个句子进行判断。

这里学到的是由于英语单词有些后缀可以表明词性,因此建立一个队一个单词中字母进行分析的RNN也有助于词性的判断,由于Pytorch动态图的特性,只需要在forward中进行适当的组装即可

用于训练的样本就两句话。。。因为对NLP完全不了解,要去再查查资料,看看实际进行词性学习时样本数据如何收集的?应该会有那种对每句话中每个单词的词性都加了label的数据集吧。。。

"The dog ate the apple", "Everybody read that book"

这是学习过程中损失下降曲线,因为训练样本就只有两句话,所以学习的准确率曲线就变成了这种样子了。。。。。。

  • 发表于:
  • 原文链接http://kuaibao.qq.com/s/20180116G0AWWH00?refer=cp_1026
  • 腾讯「腾讯云开发者社区」是腾讯内容开放平台帐号(企鹅号)传播渠道之一,根据《腾讯内容开放平台服务协议》转载发布内容。
  • 如有侵权,请联系 cloudcommunity@tencent.com 删除。

扫码关注腾讯云开发者

领取腾讯云代金券