文本分类
布本拥有海量的资讯类内容,拥有一个复杂的内容组织结构,通过AI技术可以快速准确的完成对某个层级的分类以及对后续的内容组织
案例技术方向:文本分类
解决问题
传统分类算法极度依赖特征工程与算法工程师的经验
模型调优需要耗费大量的人力,精力
商业价值
使用深度学习可以很好的发现随着时间推移在变化的特征
比对采用传统分类算法,准确率提高9%
实现细节
使用Bi-LSTM模型,以标记完的数据训练,得到文本分类模型
使用PaddlePaddle的能力
LSTM模型
文本分类是自然语言处理的基础任务之一,深度学习方法直接使用原始文本作为输入,由数据驱动最优化分类准确率。PaddlePaddle提供基于DNN的非序列模型,基于CNN的序列模型,以及基于LSTM的时序模型等
查看详情