pytorch sentiment analysis

Pytorch情感分析

该回购包含使用Pytorch的理解和实现序列分类模型的教程，并使用Python 3.9。具体来说，我们将培训模型以预测电影评论的情感。

如果您发现任何错误或不同意任何解释，请随时提交问题。我欢迎任何反馈，正面或负面！

入门

安装所需的依赖项： pip install -r requirements.txt --upgrade 。

教程

• 1-单词神经袋

  本教程涵盖了使用Pytorch的序列分类项目的工作流程。我们将使用简单但有效的神经袋模型介绍序列分类的基础知识，以及如何使用数据集/触觉诽谤来简化数据加载/预处理。

• 2-复发性神经网络

  现在，我们已经涵盖了基本的序列分类工作流程，该教程将通过切换到复发性神经网络（RNN）模型来改善我们的结果。我们将介绍RNN背后的理论，并查看RNN最常见变体之一的长期短期记忆（LSTM）RNN的实现。

• 3-卷积神经网络

  接下来，我们将介绍卷积神经网络（CNN）进行情感分析。该模型将是用于句子分类的卷积神经网络的实现。

• 4-变压器

  最后，我们将展示如何使用变形金刚库加载预训练的变压器模型，特别是本文的BERT模型，并将其用于序列分类。

传统教程

这些教程的先前版本使用了不再可用的TorchText库中的功能。这些存储在传统目录中。

参考

这是我在制作这些教程时查看的一些事情。其中一些可能已经过时了。

• http://anie.me/on-torchtext/
• http://mlexplaining.com/2018/02/08/a-comprehens-tutorial-to-tto-torchtext/
• https://github.com/spro/practical-pytorch
• https://gist.github.com/tushar-n/dfca335e370a2bc3bc79876e6270099e
• https://gist.github.com/harshtrivedi/f4e7293E941B17D19058F6FB90AB0FEC
• https://github.com/keras-team/keras/blob/master/examples/imdb_fasttext.py
• https://github.com/shawn1993/cnn-text-classification-pytorch