Sentiment Analysis with Recurrent Neural Networks in TensorFlow 中文字幕
利用TensorFlow回归神经网络进行情感分析 中文字幕Sentiment Analysis with Recurrent Neural Networks in TensorFlow
情感分析和自然语言处理是使用机器学习技术解决的常见问题
在不通过评论的情况下获得准确而好的问题答案需要应用深度学习技术，如神经网络
在本课程中，在TensorFlow中使用递归神经网络进行情感分析，您将学习如何利用递归神经网络（RNN）根据情绪对电影评论进行分类
首先，您将了解如何使用word2vec模型中的skip-gram方法生成单词嵌入，并了解如何通过使用特殊的损失函数（噪声对比估计）来优化 此神经网络
接下来，您将深入了解RNN以及如何实施RNN来对电影评论进行分类，并将神经网络实现与标准机器学习模型Naive Bayes算法进行比较和 对比
最后，您将学习如何实现相同的RNN，但使用预先构建的字嵌入
在本课程结束时，您将能够理解并实现单词嵌入算法以生成文本的数字表示，并且知道如何使用这些单词嵌入来构建具有RNN的基本分类 模型
嗨，我叫Janani Ravi。
欢迎使用TensorFlow中使用递归神经网络的情感分析课程。
关于我自己。
我拥有斯坦福大学的电子工程硕士学位，并曾在微软，谷歌和Flipkart等公司工作过。
在Google，我是最早在Google Docs中进行实时协作编辑的工程师之一，我拥有四项基础技术专利。
我目前在自己的创业公司Loony Corn工作，这是一个高质量视频内容的工作室。
递归神经网络是一种通用且功能强大的神经网络形式，对于需要考虑上下文的应用程序非常有用。
RNN非常适合考虑数据序列，电影中的帧，段落中的句子或句点中的股票收益。
为了使RNN能够处理文本序列，我们首先构建单词嵌入，这是单词的数字表示，用于输入神经网络。
生成单词嵌入是一项计算繁重的操作，可以通过使用特殊的损失函数（噪声对比估计器）进行优化。
RNN特别适用于自然语言处理应用，本课程使用RNN构建复杂的情感分类系统。
我们使用称为LSTM的特定RNN架构，或长期短期内存。
该架构克服了RNN遭受的已知问题，优化期间的不稳定性，消失和爆炸变体的问题。
本课程视频下载地址:利用TensorFlow回归神经网络进行情感分析