《深度学习技术应用》课件 项目二 TensorFlow实现文本分类.pptx

项目二TensorFlow实现文本分类深度学习应用技术

项目引导案例情感分析是种有趣的自然语言处理应用，对文本数据中包含的情绪进行解析和分类，衡量人们的观点倾向。例如被用来分析观众对电影的评论或由该电影引起的情绪状态，又例如将在线客户对产品或服务的反馈按照正面或负面的体验进行分类。

项目引导案例自定义神经网络对电影评论文本分类01使用评论文本将影评分为积极（positive）或消极（nagetive）两类，也就是文本的情感分析使用Kears和TensorflowHub对电影评论进行文本分类02使用Keras构建模型进行文本分类，TensorFlowHub模型训练过程，用评估模型准确率的方法并进行预测

思考一下,大家知道自然语言处理还应用在哪些方面吗？项目引导案例

自定义神经网络对电影评论文本分类任务一

职业能力目标01任务描述与要求02任务分析与计划03知识储备04任务实施05任务检查与评价06任务小结07任务拓展08任务一自定义神经网络对电影评论文本分类

了解自然语言处理发展史，技术，应用研究；理解文本分类概念、分类输入数据、文本分类过程相关知识；理解情感分析概念、层次及方法。能够导入IMDB数据集并浏览数据能够对文本进行数据预处理能够使用嵌入（Embedding）方法构建简单的文本分类模型能够对进行文本分类模型训练并对模型进行评估职业能力目标01知识目标技能目标

职业能力目标01任务描述与要求02任务分析与计划03知识储备04任务实施05任务检查与评价06任务小结07任务拓展08任务一自定义神经网络对电影评论文本分类

了解自然语言处理的相关知识，构建神经网络模型，利用下载的IMDB数据集进行模型训练和模型评估。任务描述任务要求下载IMDB数据集并对其进行预处理；构建神经网络模型；完成模型训练；绘制损失值图表和准确率图表。任务描述与要求02

职业能力目标01任务描述与要求02任务分析与计划03知识储备04任务实施05任务检查与评价06任务小结07任务拓展08任务一自定义神经网络对电影评论文本分类

任务分析自然语言处理技术是怎么做情感分析？想一想如何自定义神经网络？任务分析与计划03

任务计划表通过上面的思考，你是否对本任务要完成的工作有所了解？让我们一起来制订完成本次任务的实施计划吧！任务分析与计划03项目名称TensorFlow实现文本分类任务名称自定义神经网络对电影评论文本分类计划方式自主设计计划要求请用8个计划步骤来完整描述出如何完成本次任务序号任务计划1?2?3?4?5?6?78

职业能力目标01任务描述与要求02任务分析与计划03知识储备04任务实施05任务检查与评价06任务小结07任务拓展08任务一自定义神经网络对电影评论文本分类

文本分类204知识储备自然语言处理1情感分析3

自然语言处理04自然语言处理(NaturalLanguageProcessing,NLP)是计算机科学领域与人工智能领域中的一个重要方向。它研究能实现人与计算机之间用自然语言进行有效通信的各种理论和方法。自然语言处理主要应用于机器翻译、舆情监测、自动摘要、观点提取、文本分类、问题回答、文本语义对比、语音识别、中文OCR等方面。

自然语言处理发展史04第一阶段第二阶段第三阶段③统计自然语言处理（90年代开始)：基于统计的机器学习开始流行，很多NLP开始用基于统计的方法来做。①早期自然语言处理(60~80年代):基于规则来建立词汇、句法语义分析、问答、聊天和机器翻译系统。②神经网络自然语言处理(2008年之后)：深度学习开始在语音和图像发挥威力。

基于传统机器学习的自然语言处理技术04自然语言处理可将处理任务进行分类，形成多个子任务，传统的机械学习方法可利用SVM（支持向量机模型）、Markov（马尔科夫模型）、CRF（条件随机场模型）等方法对自然语言中多个子任务进行处理，进一步提高处理结果的精度

基于传统机器学习的自然语言处理技术04模型的性能过于依赖训练集的质量，需要人工标注训练集，降低了训练效率不足1传统机器学习模型中的训练集在不同领域应用会出现差异较大的应用效果，削弱了训练的适用性，暴露出学习方法单一的弊端不足2无法人工标注出更抽象、更高阶的自然语言特征，使得传统机器学习只能学习预先制定的规则，而不能学规则之外的复杂语言特征不足3

基于深度学习的自然语言处理技术04深度学习是机器学习的一大分支，在自然语言处理中需应用深度学习模型，如卷积神经网络、循环神经网络等，通过对生成的词向量进行学习，以完成自然语言分类、理解的过程。

04能够以词或句子的向量化为前提，不断学习语言特征，掌握更高层次、更加抽象的语言特征，满足大量特征工程的自然语言处理要求优势1深度学习