Phân loại văn bản tự động bằng Machine Learning như thế nào? (Phần 2)

Chào các bạn, trong phần này, chúng ta sẽ cùng nhau tiếp tục giải quyết bài toán phân loại bài báo tiếng Việt. Trong phần trước chúng ta đã chuẩn bị xong dữ liệu cho bài toán. Dữ liệu mà chúng ta đã chuẩn bị được bao gồm:

• Count Vectors
• TF-IDF Vectors (đã áp dụng SVD cho TF-IDF)
  • Word level
  • N-Gram level
  • Character level
• Word Embeddings

Bằng cách sử dụng dữ liệu này, trong phần này, chúng ta sẽ xây dựng các mô hình phân loại văn bản sau:

• Naive Bayes Classifier
• Linear Classifier
• Support Vector Machine
• Bagging Models
• Boosting Models
• Shallow Neural Networks
• Deep Neural Networks
  • Convolutional Neural Network (CNN)
  • Long Short Term Modelr (LSTM)
  • Gated Recurrent Unit (GRU)
  • Bidirectional RNN
  • Recurrent Convolutional Neural Network (RCNN)
  • Other Variants of Deep Neural Networks
• Doc2Vec model

Khá nhiều phải không nào,