character based cnn
English Model
该回购包含用于文本分类的角色级卷积神经网络的pytorch实现。
模型架构来自本文：https：//arxiv.org/pdf/1509.01626.pdf
有两个变体：一个大和小。您可以通过更改配置文件在两者之间切换。
该体系结构有6个卷积层：
| 层 | 大型功能 | 小功能 | 核心 | 水池 |
|---|---|---|---|---|
| 1 | 1024 | 256 | 7 | 3 |
| 2 | 1024 | 256 | 7 | 3 |
| 3 | 1024 | 256 | 3 | N/A。 |
| 4 | 1024 | 256 | 3 | N/A。 |
| 5 | 1024 | 256 | 3 | N/A。 |
| 6 | 1024 | 256 | 3 | 3 |
和2个完全连接的层：
| 层 | 输出单位大 | 输出单元很小 |
|---|---|---|
| 7 | 2048 | 1024 |
| 8 | 2048 | 1024 |
| 9 | 取决于问题 | 取决于问题 |
如果您对角色CNN的工作方式以及该项目的演示感兴趣，则可以查看我的YouTube视频教程。
他们的特性非常好：
我已经在一组法国标记的客户评论（超过300万行）上测试了该模型。我报告了TensorboardX中的指标。
我得到以下结果
| F1得分 | 准确性 | |
|---|---|---|
| 火车 | 0.965 | 0.9366 |
| 测试 | 0.945 | 0.915 |
从项目的根源上，您将拥有：
该代码当前仅在二进制标签（0/1）上工作
启动train.py带有以下论点：
data_path ：数据路径。数据应为CSV格式，至少具有文本列，并且标签的列validation_split ：验证数据的比率。默认为0.2label_column ：标签的列名称text_column ：文本的列名称max_rows ：从数据集加载的最大行数。 （我主要将其用于测试以进行更快）chunksize ：使用熊猫加载数据时的块大小。默认为500000encoding ：默认为UTF-8steps ：文本预处理步骤，以将其包含在标签或URL删除等文本中group_labels ：是否要组标签。默认为无。use_sampler ：是否使用加权采样器克服班级失衡alphabet ：默认为Abcdefghijklmnopqrstuvwxyz0123456789;。！？：'number_of_characters ：默认70extra_characters ：您要添加到字母的其他字符。例如大写字母或重音字符max_length ：用于修复所有文档的最大长度。默认为150，但应适应您的数据epochs ：时代的数量batch_size ：批次大小，默认为128。optimizer ：Adam或SGD，默认为SGDlearning_rate ：默认为0.01class_weights ：是否在交叉熵损失中使用班级权重focal_loss ：是否使用焦点损失gamma ：局灶性损失的伽马参数。默认为2alpha ：局灶性损失的α参数。默认为0.25schedule ：学习率降低一半的时期数（学习率计划仅适用于SGD），默认为3。将其设置为0以将其禁用patience ：最大数量的时期数量等待而无需改善验证损失，默认为3early_stopping ：选择是否早日停止培训。默认为0。设置为1以启用它。checkpoint ：选择是否将模型保存在磁盘上。默认为1，设置为0至禁用模型检查点workers ：Pytorch数据加载程序中的工人人数，默认为1log_path ：张板的路径日志文件output ：保存模型的文件夹的路径model_name ：保存模型的前缀名称示例用法：
python train.py --data_path=/data/tweets.csv --max_rows=200000以项目的根源运行此命令：
tensorboard --logdir=./logs/ --port=6006然后转到：http：// localhost：6006（或您使用的任何主机）
启动预测。
model ：预训练模型的路径text ：输入文字steps ：预处理步骤列表，默认为较低alphabet ：默认为'abcdefghijklmnopqrstuvwxyz0123456789 - ;。！？number_of_characters ：默认为70extra_characters ：您要添加到字母的其他字符。例如大写字母或重音字符max_length ：用于修复所有文档的最大长度。默认为150，但应适应您的数据示例用法：
python predict.py ./models/pretrained_model.pth --text= " I love pizza ! " --max_length=150
关于法国客户评论（3M文档）的情感分析模型：下载链接
使用时：
这是要添加的潜在未来功能的非详尽清单：
该项目已根据麻省理工学院许可证
