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