classificationOfResidentialRequests:文章的源代码 Source City

分类请求 分类住宅的混合机器学习模型的实施要求在智能城市纸业 当地环境规范 在一台具有以下功能的机器上进行了培训和测试: Ubuntu 16.04 LTS 英伟达GeForce GTX 1070 CUDA版本:9.0 Cudnn版本:7.3.0 Python版本:3.5.2 Tensorflow-gpu:1.11.0 凯拉斯:2.2.4 介绍 该实现包括本文中描述的所有任务,包括功能工程,混合机器学习,不同的分类器,卷积神经网络模型等。我们将实现分为四个部分: 贝叶斯模型 神经网络模型 特征工程 特征工程处理并将中文文本中的数据集转换为单词向量,作为机器学习模型的输入。 数据预处理 细分为代币 删除标点符号,停用词等。 词法分析(要求,类别,负责部门的描述) 资料分配 功能的信息价值 词嵌入和向量化 使用Word2Vec嵌入单词 使用TF-IDF的词向量 我们开发了一