fasttext是facebook開源的一個詞向量與文本分類工具 ，其最大的優點就是快，同時不失精度。 此算法有兩個主要應用場景：

• 文本分類
• 詞向量訓練

工業界碰到一些簡單分類問題時，經常采用這種簡單，快速的模型解決問題。

FastText原理簡介

FastText原理部分有3個突出的特點：

• 模型簡單，其結構有點類似word2vector中的CBOW架構，如下圖所示。FastText將句子特征通過一層全連接層映射到向量空間后，直接將詞向量平均處理一下，就去做預測。

  模型架構

• 使用了n-gram的特征，使得句子的表達更充分。筆者會在實戰中詳細介紹這部分的操作。
• 使用 Huffman算法建立用于表征類別的樹形結構。這部分可以加速運算，同時減緩一些樣本不均衡的問題。

其中比較有意思的是，做完分類任務后，模型全連接層的權重可以用來做詞向量。而且由于使用了n-gram的特征，fasttext的詞向量可以很好的緩解Out of Vocabu

總結

以上是生活随笔為你收集整理的FastText情感分析和词向量训练实战——Keras算法练习的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。