Neural network 使用CNN/NN进行文本分类和文本数据提取
因此，我有房屋地址和房屋编号（1到N）的数据，其中房屋地址在大多数地方为@1房屋/城市，即我们可以根据城市和地点/街道名称区分2栋房屋，而不需要使用门牌号来区分 我有所有住址的数据——培训用的号码映射 现在，如果给我一个人的描述，这是一个非常混乱的文本，家庭地址是文本的一部分，我应该能够将这个人映射到家庭号码。 分类：Mc Donalds自助餐OLAKS~~XXX~XXXXXX~XXXXX 1112 培训地点：肯塔基州奥拉特奥克伍德街15/31号，KS，南巷 现在，由于神经网络是在地址-房屋编号映射上训练的，我想创建一个具有N个输出节点的神经网络，并使用训练数据（具有1个地址的N个点作为1个输出节点的训练样本） 训练数据集的大小是否足够？有没有其他比利用CNN更好的方法？（如果需要更多详细信息，将更新问题）Neural network 使用CNN/NN进行文本分类和文本数据提取,neural-network,conv-neural-network,recurrent-neural-network,text-classification,fuzzy-search,Neural Network,Conv Neural Network,Recurrent Neural Network,Text Classification,Fuzzy Search,因此，我有房屋地址和房屋编号（1到N）的数据，其中房屋地址在大多数地方为@1房屋/城市，即我们可以根据城市和地点/街道名称区分2栋房屋，而不需要使用门牌号来区分 我有所有住址的数据——培训用的号码映射 现在，如果给我一个人的描述，这是一个非常混乱的文本，家庭地址是文本的一部分，我应该能够将这个人映射到家庭号码。 分类：Mc Donalds自助餐OLAKS~~XXX~XXXXXX~XXXXX 1112 培训地点：肯塔基州奥拉特奥克伍德街15/31号，KS，南巷 现在，由于神经网络是在地址-房屋编号