看看Understanding Convolutional Neural Networks for NLP，卷积神经网络（CNNs）似乎不仅适用于图像识别，也适用于NLP。
CNN 通常是 NLP 文本分析（例如情感分析）的最佳选择吗？
如果没有，是否有关于识别性能（F1 分数或类似的东西）的不同算法的概述或比较？
用于文本分析的最高效机器学习算法
数据挖掘
深度学习
nlp
美国有线电视新闻网
情绪分析
2022-03-09 13:45:55
2个回答
之前选择的好答案是正确的，因为 CNN 和 RNN 是过去几年 NLP 的最佳选择（结合无监督方法，如 word2vec、glove 或 wordpiece）。但最近的作品使用了称为 Transformer 的注意力神经网络。请参阅Attention is All You Need和 BERT：用于语言理解的深度双向变压器的预训练。这些模型现在在许多 NLP 任务中实现了最先进的性能。
我现在没有任何参考资料，但你应该在 Google Scholar 上找到很多关于它的论文。据我所知，CNN 和 RNN（主要是 LSTM）是情感分析的两种最佳模型。你甚至会发现一些 CNN+LSTM 架构在这类任务上工作得非常好。