主要内容

使用深度学习文本分析

扩展深度学习与文本分析应用程序工作流

深度学习应用于文本分析应用程序通过使用深度学习工具箱™与文本分析工具箱™。

功能

全部展开

wordEmbeddingLayer 字嵌入层深度学习网络
fastTextWordEmbedding Pretrained fastText字嵌入
readWordEmbedding 从文件读取字嵌入
trainWordEmbedding 火车字嵌入
doc2sequence 将文档转换成深度学习的序列
word2vec 字映射到嵌入向量
word2ind 字映射到编码索引
vec2word 嵌入向量映射到的词
ind2word 地图编码索引词
isVocabularyWord 测试如果词是词中嵌入的成员或编码
writeWordEmbedding 写的字嵌入文件
wordEmbedding 字嵌入模型映射向量和回
wordEncoding 字编码模型词汇映射到指数和回来

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文本数据分类短期记忆(LSTM)网络。

使用卷积神经网络分类文本数据

这个例子展示了如何使用卷积神经网络分类文本数据。

文本数据分类使用自定义训练循环

这个例子展示了如何使用深度学习双向分类文本数据长期短期记忆(BiLSTM)网络与一个定制的训练循环。

使用深度学习Multilabel文本分类

这个例子展示了如何分类文本数据,多个独立的标签。

内存不足使用深度学习文本数据进行分类

这个例子展示了如何将内存不足与深入学习网络文本数据使用一个转换数据存储。

Sequence-to-Sequence翻译使用注意

这个例子展示了如何将十进制的字符串转换成罗马数字使用复发sequence-to-sequence encoder-decoder模型与关注。

使用深度学习语言翻译

这个例子展示了如何训练一个德国英语翻译使用复发sequence-to-sequence encoder-decoder模型与关注。

生成文本使用深度学习

这个例子展示了如何培养深度学习长短期记忆(LSTM)网络生成文本。

《傲慢与偏见》和MATLAB

这个例子展示了如何训练深度学习LSTM网络生成文本使用字符嵌入。

词词文本生成使用深度学习

这个例子展示了如何训练深度学习LSTM网络生成文本词词。

生成文本使用Autoencoders

这个例子展示了如何使用autoencoders生成文本数据。

定义文本编码器模型函数

这个例子显示了如何定义一个文本编码器模型函数。

定义文本译码器模型的功能

这个例子显示了如何定义一个文本译码器模型函数。

特色的例子