深度学习第42讲：自然语言处理之词嵌入和词向量

在前几讲的笔记中，我们学习了 RNN 的基本网络结构以及一些 RNN 的变种网络，比如说 GRU 单元和 LSTM 单元等等。从本节开始，笔者将继续学习如何将以上这些知识应用在自然语言处理（Natur

深度学习第43讲：自然语言处理之word2vec

上一讲我们讲到自然语言处理中如何对词汇进行表征的问题，因为 one-hot 词汇表征有着明显的缺陷，所以笔者重点介绍了词嵌入词汇表征。词汇表征问题解决之后，NLP 的核心便是建立语言模型。 从深度学习

深度学习第44讲：训练一个word2vec词向量

通常而言，训练一个词向量是一件非常昂贵的事情，我们一般会使用一些别人训练好的词向量模型来直接使用，很少情况下需要自己训练词向量，但这并不妨碍我们尝试来训练一个 word2vec 词向量模型进行试验。