文本分类_文本分类技术文章

文本分类

0 人感兴趣 · 11 次引用

关注

最新
推荐

https://static001.geekbang.org/infoq/0d/0df3f890d870e657f0dddee3905109cb.png?x-oss-process=image%2Fresize%2Cw_416%2Ch_234

“中国法研杯”司法人工智能挑战赛：基于 UTC 的多标签 / 层次分类小样本文本应用，Macro F1 提升 13%+

汀丶人工智能

05-19

“中国法研杯”司法人工智能挑战赛：基于UTC的多标签/层次分类小样本文本应用，Macro F1提升13%+

人工智能 nlp 文本分类小样本学习

零样本文本分类应用：基于 UTC 的医疗意图多分类，打通数据标注 - 模型训练 - 模型调优 - 预测部署全流程。

汀丶人工智能

04-21

本项目提供基于通用文本分类 UTC（Universal Text Classification）模型微调的文本分类端到端应用方案，打通数据标注-模型训练-模型调优-预测部署全流程，可快速实现文本分类产品落地。

人工智能自然语言处理深度学习文本分类小样本学习

3. 基于 Label studio 的训练数据标注指南：文本分类任务

汀丶人工智能

03-02

1.基于Label studio的训练数据标注指南：信息抽取（实体关系抽取）、文本分类等2.基于Label studio的训练数据标注指南：（智能文档）文档抽取任务、PDF、表格、图片抽取标注等3.基于Label studio的训练数据标注指南：文本分类任务4.基于Label studio的训练数

信息抽取数据标注文本分类 labelstudio

在数据增强、蒸馏剪枝下 ERNIE3.0 分类模型性能提升

汀丶人工智能

2022-11-02

在数据增强、蒸馏剪枝下ERNIE3.0分类模型性能提升

nlp 文本分类 11月月更 ernie

https://static001.geekbang.org/infoq/5f/5f7d96202bb7e84811defac26ec281ab.png?x-oss-process=image%2Fresize%2Cw_416%2Ch_234

应用实践：Paddle 分类模型大集成者 [PaddleHub、Finetune、prompt]

汀丶人工智能

2022-11-01

相关文章：Paddlenlp之UIE模型实战实体抽取任务【打车数据、快递单】

nlp 文本分类关系抽取命名实体识别 11月月更

https://static001.geekbang.org/infoq/a7/a731d86736d8f98e3ca6b29e610e363c.png?x-oss-process=image%2Fresize%2Cw_416%2Ch_234

小样本学习在文心 ERNIE3.0 多分类任务应用 -- 提示学习

汀丶人工智能

2022-10-31

项目链接：https://aistudio.baidu.com/aistudio/projectdetail/4438610?contributionType=1

nlp 文本分类

PaddleNLP 基于 ERNIR3.0 文本分类：WOS 数据集为例（层次分类）

汀丶人工智能

2022-10-19

详解 CNN 实现中文文本分类过程

华为云开发者联盟

2022-02-15

本文分享自华为云社区《[Python人工智能] 二十一.Word2Vec+CNN中文文本分类详解及与机器学习算法对比》，作者：eastmount。

机器学习 CNN 深度神经网络文本分类 Word2Vec

万字总结 Keras 深度学习中文文本分类

华为云开发者联盟

2022-01-13

摘要：文章将详细讲解Keras实现经典的深度学习文本分类算法，包括LSTM、BiLSTM、BiLSTM+Attention和CNN、TextCNN。

深度学习 CNN keras 文本分类 TextCNN

文本分类：Keras+RNN vs 传统机器学习

华为云开发者联盟

2021-11-30

摘要：本文通过Keras实现了一个RNN文本分类学习的案例，并详细介绍了循环神经网络原理知识及与机器学习对比。

机器学习深度学习 keras RNN 文本分类

https://static001.geekbang.org/infoq/f6/f61c07ffb6d64e94c056d089cc1447b4.jpeg?x-oss-process=image%2Fresize%2Cw_416%2Ch_234

多标签分类中的损失函数与评价指标

月来客栈

2021-07-05

各位朋友大家好，欢迎来到月来客栈。在前面的一篇文章[1]中笔者介绍了在单标签分类问题中模型损失的度量方法，即交叉熵损失函数。同时也介绍了多分类任务中常见的评价指标及其实现方法[2]。在接下来的这篇文章中，笔者将会详细介绍在多标签分类任务中两种常见

PyTorch 多标签多标签分类文本分类

创作场景

文本分类

推荐作者

推荐标签