Posts
Trong bài viết này chúng ta sẽ tìm hiểu về cách tách từ trong Tiếng Việt, bao gồm các nội dung:
- Tách từ là gì?
- Tại sao phải tách từ trong xử lý ngôn ngữ tự nhiên?
- Thực hành tách từ cho Tiếng Việt với công cụ vnTokenizer.
Trong bài viết này chúng ta sẽ tìm hiểu về cách tạo Word2Vector cho Tiếng Việt, bao gồm các nội dung:
- Cách tạo mô hình Work2Vector Tiếng Việt.
- Phân loại Work2Vector
- Đặc điểm Work2Vector.
- Các yếu tố ảnh hưởng đến chất lượng Word2Vector
- Thực hành tạo Work2Vector Tiếng Việt.
Sentiment Analysis Vietnamese (SAV) là mô hình phân tích cảm xúc trong Tiếng Việt với 2 lớp cảm xúc là: tích cực (Positive) và tiêu cực (Negative).
SAV dùng các kỹ thuật Word2Vector và mô hình deep learning Recurrent Neural Network (RNN), mà cụ thể là Long Short Term Memory(LSTM) networks.
Mô hình SAV cho độ chính xác 87%.
Trong bài viết này chúng tôi công bố một số tài nguyên được dùng trong các bài viết trước, về chủ đề phân tích cảm xúc trong văn bản Tiếng Việt.
- Tại sao việc chạy thực nghiệm hay thí nghiệm một bài toán liên quan đến deep learning là khó với người nghiên cứu?
- Bộ dữ liệu Tiếng Việt tách từ.
- Bộ dữ liệu nhận xét (review) được gán nhãn cảm xúc tích cực, tiêu cực.
Bài viết này sẽ đề cập đến một số mẹo và thủ thuật cần lưu tâm về huấn luyện mô hình mạng nơron. Được Andrej Karpathy tổng kết lại trong quá trình giải quyết các bài toán dùng mạng nơron trong các dự án thực tế mà anh ta làm việc. Andrej Karpathy hiện đang là giám đốc trí tuệ nhân tạo tại Tesla (Director of Artificial Intelligence at Tesla). Chúng ta sẽ học hỏi được một quy trình đúng để huấn luyện mạng nơron sao cho kết quả tốt nhất. Các bạn cùng tham khảo.
