使用深度学习的文本分析
使用文本分析应用程序扩展深度学习工作流程
通过使用深度学习工具箱™和文本分析工具箱™,将深度学习应用于文本分析应用程序。
功能
主题
- 使用深度学习分类文本数据
这个例子展示了如何使用深度学习长短期记忆(LSTM)网络对文本数据进行分类。
- 基于卷积神经网络的文本数据分类
这个例子展示了如何使用卷积神经网络对文本数据进行分类。
- 使用自定义训练循环分类文本数据
这个例子展示了如何使用带有自定义训练循环的深度学习双向长短期记忆(BiLSTM)网络对文本数据进行分类。
- 基于深度学习的多标签文本分类
这个例子展示了如何对具有多个独立标签的文本数据进行分类。
- 使用深度学习分类内存不足的文本数据
这个示例展示了如何使用转换后的数据存储对深度学习网络中的内存不足文本数据进行分类。
- 使用注意力的序列到序列转换
这个例子展示了如何使用循环序列到序列的编码器-解码器模型将十进制字符串转换为罗马数字。
- 使用深度学习的语言翻译
这个例子展示了如何使用循环序列到序列编码器-解码器模型训练一个德语到英语的翻译。
- 使用深度学习生成文本
这个例子展示了如何训练深度学习长短期记忆(LSTM)网络来生成文本。
- 傲慢与偏见和MATLAB
这个例子展示了如何训练一个深度学习LSTM网络来使用字符嵌入生成文本。
- 使用深度学习逐字生成文本
这个例子展示了如何训练一个深度学习LSTM网络来逐字生成文本。
- 使用自动编码器生成文本
这个例子展示了如何使用自动编码器生成文本数据。
- 定义文本编码器模型函数
这个例子展示了如何定义一个文本编码器模型函数。
- 定义文本解码器模型函数
这个例子展示了如何定义一个文本解码器模型函数。