2 Repos
Awesome GitHub RepositoriesConvolutional Text Features
The use of convolutional neural networks to extract hierarchical spatial patterns from text data.
Distinct from Text Feature Extraction: Distinct from Text Feature Extraction: specifically targets the use of CNNs for feature extraction rather than general vectorization.
Explore 2 awesome GitHub repositories matching artificial intelligence & ml · Convolutional Text Features. Refine with filters or upvote what's useful.
Awesome Convolutional Text Features GitHub Repositories
Finde die besten Repos mit KI.Wir suchen mit KI nach den am besten passenden Repositories.
- nyandwi/machine_learning_complete
Nyandwi/machine_learning_complete
4,983Auf GitHub ansehenThis is an interactive notebook-based course that teaches machine learning from Python fundamentals through deep learning and natural language processing. It uses real datasets and multiple frameworks within a structured, hands-on curriculum that combines concise explanations with executable code cells, built-in datasets, and embedded exercise checkpoints. Learning progresses through data preparation and exploration, classical machine learning workflows, computer vision with convolutional neural networks, and natural language processing with deep learning, all delivered as a cohesive progressi
Uses convolutional layers to identify hierarchical patterns in text for category prediction.
Jupyter Notebookcomputer-visiondata-analysisdata-science - gaussic/text-classification-cnn-rnn
gaussic/text-classification-cnn-rnn
4,301Auf GitHub ansehenDieses Projekt ist ein TensorFlow-basierter, überwachter Textkategorisierer, der für chinesisches Natural Language Processing konzipiert ist. Er nutzt eine hybride neuronale Netzwerkarchitektur, die konvolutionale und rekurrente Schichten kombiniert, um rohen chinesischen Text auf vordefinierte Kategorien abzubilden. Das System integriert konvolutionale neuronale Netze für die lokale Feature-Extraktion und rekurrente neuronale Netze zur Analyse sequenzieller Abhängigkeiten. Es verwendet zeichenbasierte Tokenisierung und Word-Embeddings, um Text als numerische Tensoren darzustellen. Die Implementierung deckt den End-to-End-Machine-Learning-Pipeline ab, einschließlich Text-Preprocessing, iterativem Modelltraining mit Dropout-Regularisierung und Messung der Vorhersageleistung mittels Verlust- und Genauigkeitsmetriken. Es enthält zudem Hilfsprogramme zur Verfolgung des Trainingsfortschritts und zur Aufrechterhaltung des Modellzustands durch Checkpoints.
Extracts hierarchical spatial patterns and local features from text using CNNs.
Pythonchineseclassificationcnn
