Текстовая аналитика Используя глубокое обучение

Расширьте рабочие процессы глубокого обучения с текстовыми аналитическими приложениями

Примените глубокое обучение к текстовым аналитическим приложениям при помощи Deep Learning Toolbox™ вместе с Text Analytics Toolbox™.

Функции

развернуть все

wordEmbeddingLayerСлой встраивания Word для нейронных сетей для глубокого обучения
fastTextWordEmbeddingПредварительно обученное fastText встраивание слова
readWordEmbeddingСчитайте встраивание слова из файла
trainWordEmbeddingОбучите встраивание слова
doc2sequenceПреобразуйте документы последовательностям для глубокого обучения
word2vecСопоставьте слово со встраиванием вектора
word2indСопоставьте слово с кодированием индекса
vec2wordСопоставьте вектор встраивания со словом
ind2wordСопоставьте индекс кодирования со словом
isVocabularyWordПротестируйте, если слово является членом встраивания слова или кодирования
writeWordEmbeddingЗапишите файл встраивания слова
wordEmbeddingМодель встраивания Word, чтобы сопоставить слова с векторами и назад
wordEncodingМодель кодирования Word, чтобы сопоставить слова с индексами и назад

Темы

Классифицируйте текстовые данные Используя глубокое обучение

В этом примере показано, как классифицировать текстовые данные с помощью сети долгой краткосрочной памяти (LSTM) глубокого обучения.

Классифицируйте текстовые данные Используя сверточную нейронную сеть

В этом примере показано, как классифицировать текстовые данные с помощью сверточной нейронной сети.

Классифицируйте текстовые данные Используя пользовательский учебный цикл

В этом примере показано, как классифицировать текстовые данные с помощью глубокого обучения двунаправленная длинная краткосрочная сеть (BiLSTM) памяти с пользовательским учебным циклом.

Классификация мультитекстов метки Используя глубокое обучение

В этом примере показано, как классифицировать текстовые данные, которые имеют несколько независимых меток.

Классифицируйте текстовые данные из памяти Используя глубокое обучение

В этом примере показано, как классифицировать текстовые данные из памяти с нейронной сетью для глубокого обучения с помощью преобразованного datastore.

Перевод от последовательности к последовательности Используя внимание

В этом примере показано, как преобразовать десятичные строки в Римские цифры с помощью модели декодера энкодера повторяющейся последовательности к последовательности с вниманием.

Перевод языка Используя глубокое обучение

В этом примере показано, как обучить немца к английскому переводчику языка с помощью модели декодера энкодера повторяющейся последовательности к последовательности с вниманием.

Сгенерируйте текст Используя глубокое обучение

В этом примере показано, как обучить сеть долгой краткосрочной памяти (LSTM) глубокого обучения генерировать текст.

Гордитесь и нанесите ущерб и MATLAB

В этом примере показано, как обучить сеть LSTM глубокого обучения, чтобы сгенерировать текст с помощью символьных вложений.

Пословно текстовая генерация Используя глубокое обучение

В этом примере показано, как обучить сеть LSTM глубокого обучения, чтобы сгенерировать текст пословно.

Сгенерируйте текст Используя автоэнкодеры

В этом примере показано, как сгенерировать текстовые данные с помощью автоэнкодеров.

Задайте текстовую функцию модели энкодера

В этом примере показано, как задать текстовую функцию модели энкодера.

Задайте текстовую функцию модели декодера

В этом примере показано, как задать текстовую функцию модели декодера.

Рекомендуемые примеры

Для просмотра документации необходимо авторизоваться на сайте