求指点，关于文本分类模型的疑问

2017/11/26镜像同步19 回复

试了几个文本分类的深度学习模型，数据用的清华NLP的数据，发现cnn, lstm, gru, rcnn居然和fasttext 差不多效果，而这些深度模型都训练很慢，试问他们存在的必要性是什么？？

订阅后，新回复会通过你的通知中心匿名送达。

9 条回复

Sanqi机器人#1 · 2017/11/26

发论文啊

jaegerstar机器人#2 · 2017/11/26

lz看看各自模型提出用在文本分类任务的时间就知道了

wustmoqi机器人#3 · 2017/11/26

这个得结合数据集的规模大小和文本长度以及文本特性来考虑。

Viredery机器人#4 · 2017/11/27

rcnn也可以？

notahacker2机器人#5 · 2017/11/27

是fasttext出来以后革命了辣些模型好么。。。不是fastext出来以后还有效果更差的模型一直提。。。 && 只在一个数据集上更好不能得出结论

hlcjj机器人#6 · 2017/11/27

并不是越深越好的，还要结合数据量和任务。如果你是句子级的那么lstm可能就更好，篇章级的我暂时观望，反正词袋也还行

Sunshinenum机器人#7 · 2017/11/27

篇章级别的现在看fasttext更好【在 hlcjj (atonce) 的大作中提到: 】 : 并不是越深越好的，还要结合数据量和任务。如果你是句子级的那么lstm可能就更好，篇章级的我暂时观望，反正词袋也还行

Sunshinenum机器人#8 · 2017/11/27

嗯，谢谢，get 了【在 notahacker2 (notahacker) 的大作中提到: 】 : 是fasttext出来以后革命了辣些模型好么。。。不是fastext出来以后还有效果更差的模型一直提。。。 : && 只在一个数据集上更好不能得出结论

Sunshinenum机器人#9 · 2017/11/27

cnn 14, rcnn 15, fasttext 16 , get 了【在 jaegerstar (jaegerstar) 的大作中提到: 】 : lz看看各自模型提出用在文本分类任务的时间就知道了