torchMoji

------更新2018年9月-------

距Torchmoji和Deepmoji发行已经一年了。我们正在尝试了解如何使用它，以便我们将来可以改进并设计更好的模型。

您可以通过回答此4个问题的Google表格来帮助我们实现这一目标。感谢您的支持！

？ Torchmoji

在此处阅读有关实施过程的博客文章。

Torchmoji是由Bjarke Felbo，Alan Mislove，AndersSøgaard，Iyad Rahwan和Sune Lehmann开发的DeepMoji模型的Pytorch实施。

该模型在与表情符号的12亿推文中训练，以了解语言如何用来表达情感。通过转移学习模型可以在许多与情绪相关的文本建模任务上获得最新的性能。

尝试使用DeepMoji的在线演示？空间！有关更多详细信息，请参见论文，博客文章或常见问题解答。

概述

• Torchmoji/包含将数据集转换为词汇并使用模型所需的所有基本代码。
• 示例/包含简短的代码段，显示如何将数据集转换为词汇，加载模型并将其运行在该数据集上。
• 脚本/包含用于处理和分析数据集的代码，以重现本文中的结果。
• 模型/包含验证的模型和词汇。
• 数据/包含我们在此存储库中包含的原始数据集和处理的数据集。
• 测试/包含代码库的单元测试。

首先，请查看示例/目录内。有关如何使用DeepMoji提取表情符号预测，请参见Score_texts_emojis.py，请参阅Eckode_texts.py，以获取如何将文本转换为2304维情感特征向量或Finetune_youtube_last.py如何在新数据集中使用模型来传输模型。

如果您使用型号或代码，请考虑引用DeepMoji的论文（请参见下文）。

安装

我们假设您正在使用PIP安装Python 2.7-3.5。

首先，您需要安装Pytorch（0.2+版），目前由：

conda install pytorch -c pytorch

目前，该模型无法有效使用CUDA。请参阅《拥抱面孔》博客文章中的详细信息。

安装Pytorch时，将以下内容运行以下目录以安装剩余的依赖项：

pip install -e .

这将安装以下依赖项：

• Scikit-Learn
• 文本 - unidecode
• 表情符号

然后，运行下载脚本以下载从此处下载验证的Torchmoji权重（〜85MB），然后将它们放入模型/目录中：

python scripts/download_weights.py

测试

要进行测试，请安装鼻子。安装后，导航到测试/目录并运行：

 cd tests
nosetests -v

默认情况下，这还将运行登录测试。这些测试训练模型的一个时代，然后检查最终的精度，这可能需要几分钟才能完成。如果您希望排除这些内容，请改用以下内容：

 cd tests
nosetests -v -a ' !slow ' 

免责声明

该代码已经过测试，可与Ubuntu 16.04和Macos Sierra Machines上的Python 2.7和3.5合作。它尚未针对效率进行优化，但应足够快地用于大多数目的。我们不能保证没有错误 - 使用您自己责任的代码！

贡献

如果您觉得可以改善某些东西，我们欢迎提取请求。您还可以通过告诉我们在撰写最新推文时的感受，可以极大地帮助我们。只需单击此处贡献即可。

执照

该代码和预验证的模型已根据MIT许可证获得许可。

基准数据集

基准数据集仅出于方便目的上传到该存储库。他们没有被我们释放，我们没有对他们宣称任何权利。在您的责任下使用数据集，并确保您履行与其释放的许可证。如果使用任何基准数据集，请考虑引用原始作者。

引用

 @inproceedings{felbo2017,
  title={Using millions of emoji occurrences to learn any-domain representations for detecting sentiment, emotion and sarcasm},
  author={Felbo, Bjarke and Mislove, Alan and S{o}gaard, Anders and Rahwan, Iyad and Lehmann, Sune},
  booktitle={Conference on Empirical Methods in Natural Language Processing (EMNLP)},
  year={2017}
}