朱茜敏

摘  要：人工智能技术的推动下，深度学习与NLP的联系更为紧密，并推动了NLP的进一步发展。本文就如何打造NLP文本分类深度学习方法库进行了回顾性的分析，对其建模原理及模型细分进行了总结，将为这一研究的深入提供一定的参考。

关键词：深度学习;NLP;方法库

随着NLP（神经语言程序学）研究的不断深入，其重要的应用价值开始在机器翻译、情感分析、智能问答、文摘生成、文本分类、舆论分析、知识图谱等领域有所体现^[1]。与此同时，以深度学习技术为核心的人工智能得到了广泛的关注，成为一个新的研究热点。这一技术与PLB的耦合，推动了NLP的新发展。打造神经语言程序学文本分类深度学习数据库即NLP文本分类深度学习方法库作为其中的基础环节成为研究中的一个重点。NLP文本分类深度学习方法库建立的目的可为探索以深度学习为主要技术的NLP分类方法提供海量的研究资源，这一学习方法库还具有文本分类的各种基准模型。同时NLP文本分类深度学习库也支持多标签的分类，且这些标签与句子或文档可以形成一定的关联。这些模型的建立将使得后续的研究有了重要的支点。在实践中发现，打造NLP文本库的过程中，有一些较为经典的模型是比较适合作为学习库的基准模型。

在此次研究的过程中，采用两个 seq2seq模型进行文本分类，每个模型之下都设置有一个函数予以测试。两个 seq2seq模型也可以在文本分类的过程中生成序列或其它任务。……