在词袋模型中,我知道我们在训练之前应该去除停用词和标点符号。但在RNN模型中,如果我想进行文本分类,我是否也应该去除停用词?
回答:
这取决于你的模型分类什么。如果你的分类依赖于停用词——例如,某种程度的语法理解——那么你需要保留停用词,或者修改你的停用词列表,以免丢失这些信息。例如,删除所有的系动词(如is, are, should be等)可能会干扰依赖于句子结构的神经网络。
然而,如果你的分类是基于主题的(如你提到的词袋模型所暗示的),那么就以相同的方式处理输入:在它们浪费宝贵的训练时间之前,去除这些讨厌的停用词。