前言
大家好，我是阿光。
本专栏整理了《NLP文本分类算法集锦》，内包含了各种常见的中英文文本分类算法，以及常见的NLP任务：情感分析、新闻分类以及谣言检测等。
文本分类是NLP的必备入门任务，在搜索、推荐、对话等场景中随处可见，并有情感分析、新闻分类、标签分类等成熟的研究分支和数据集。
不同模型的适用场景不同，常用的模型有：
Fasttext、TextCNN、DPCNN、TextRCNN、BiLSTM+Attention、HAN、LSTM、Transformer、BERT、Capsule、TextGCN 等。
文本分类广泛应用于 长短文本分类、情感分析、新闻分类、事件类别分类、政务数据分类、商品信息分类、商品类目预测、文章分类、论文类别分类、专利分类、案件描述分类、罪名分类、意图分类、论文专利分类、邮件自动标签、评论正负识别、药物反应分类、对话分类、税种识别、来电信息自动分类、投诉分类、广告检测、敏感违法内容检测、内容安全检测、舆情分析、话题标记 等日常或专业领域中。
正在更新中~ ✨
🚨 我的项目环境：
- 平台：Windows10
- 语言环境：python3.7
- 编译器：PyCharm
- PyTorch版本：1.8.1
🌠 『精品学习专栏导航帖』
🍭『目录』
📢 经典模型篇
- （一）：基于TextCNN实现情感分析任务
- （二）：基于FastText实现情感二分类任务
- （三）：基于DPCNN实现电商情感分析任务
- （四）：基于TextRNN实现情感短文本分类任务
- （五）：基于TextRCNN实现中文短文本分类任务
- （六）：基于CharCNN实现中文情感分类任务
- （七）：基于PyTorch+TextCNN实现英文长文本诗歌文本分类
- （八）：基于PyTorch+HAN实现中文情感分类任务
- （九）：基于MultinomialNB多项式贝叶斯分类器实现中文文本情感分类任务
- （十）：基于一维卷积Conv1D对电商评论数据文本情感分类
- （十一）：基于自注意力机制（Self-Attention）对twitter数据进行情感分析
- （十二）：基于RNN实现微博热点新闻分类
- （十三）：基于词级ngram的词袋模型对twitter数据进行情感分析
- （十四）：基于pytorch使用LSTM实现新闻本文分类任务
- （十五）：基于pytorch使用LSTM进行谣言检测
- （十六）：基于pytorch使用LSTM进行文本情感分析
- （十七）：基于CNN实现冠状病毒推文NLP文本分类
📢 融合模型篇
- （一）：基于PyTorch+Conv-GRNN & LSTM-GRNN实现中文情感分类任务
- （二）：基于PyTorch+CNN实现谣言检测任务
- （三）：基于PyTorch+Transformer实现谣言检测系统
- （四）：基于RNN+CNN实现NLP判别新闻真伪
- （五）：基于BiLSTM-Attention实现中文文本分类任务
📢 大模型篇
文章出处登录后可见！
已经登录？立即刷新
