character based cnn
English Model
該回購包含用於文本分類的角色級卷積神經網絡的pytorch實現。
模型架構來自本文：https：//arxiv.org/pdf/1509.01626.pdf
有兩個變體：一個大和小。您可以通過更改配置文件在兩者之間切換。
該體系結構有6個卷積層：
| 層 | 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個完全連接的層：
| 層 | 輸出單位大 | 輸出單元很小 |
|---|---|---|
| 7 | 2048 | 1024 |
| 8 | 2048 | 1024 |
| 9 | 取決於問題 | 取決於問題 |
如果您對角色CNN的工作方式以及該項目的演示感興趣，則可以查看我的YouTube視頻教程。
他們的特性非常好：
我已經在一組法國標記的客戶評論（超過300萬行）上測試了該模型。我報告了TensorboardX中的指標。
我得到以下結果
| F1得分 | 準確性 | |
|---|---|---|
| 火車 | 0.965 | 0.9366 |
| 測試 | 0.945 | 0.915 |
從項目的根源上，您將擁有：
該代碼當前僅在二進制標籤（0/1）上工作
啟動train.py帶有以下論點：
data_path ：數據路徑。數據應為CSV格式，至少具有文本列，並且標籤的列validation_split ：驗證數據的比率。默認為0.2label_column ：標籤的列名稱text_column ：文本的列名稱max_rows ：從數據集加載的最大行數。 （我主要將其用於測試以進行更快）chunksize ：使用熊貓加載數據時的塊大小。默認為500000encoding ：默認為UTF-8steps ：文本預處理步驟，以將其包含在標籤或URL刪除等文本中group_labels ：是否要組標籤。默認為無。use_sampler ：是否使用加權採樣器克服班級失衡alphabet ：默認為Abcdefghijklmnopqrstuvwxyz0123456789;。 ！ ？ ：'number_of_characters ：默認70extra_characters ：您要添加到字母的其他字符。例如大寫字母或重音字符max_length ：用於修復所有文檔的最大長度。默認為150，但應適應您的數據epochs ：時代的數量batch_size ：批次大小，默認為128。optimizer ：Adam或SGD，默認為SGDlearning_rate ：默認為0.01class_weights ：是否在交叉熵損失中使用班級權重focal_loss ：是否使用焦點損失gamma ：局灶性損失的伽馬參數。默認為2alpha ：局灶性損失的α參數。默認為0.25schedule ：學習率降低一半的時期數（學習率計劃僅適用於SGD），默認為3。將其設置為0以將其禁用patience ：最大數量的時期數量等待而無需改善驗證損失，默認為3early_stopping ：選擇是否早日停止培訓。默認為0。設置為1以啟用它。checkpoint ：選擇是否將模型保存在磁盤上。默認為1，設置為0至禁用模型檢查點workers ：Pytorch數據加載程序中的工人人數，默認為1log_path ：張板的路徑日誌文件output ：保存模型的文件夾的路徑model_name ：保存模型的前綴名稱示例用法：
python train.py --data_path=/data/tweets.csv --max_rows=200000以項目的根源運行此命令：
tensorboard --logdir=./logs/ --port=6006然後轉到：http：// localhost：6006（或您使用的任何主機）
啟動預測。
model ：預訓練模型的路徑text ：輸入文字steps ：預處理步驟列表，默認為較低alphabet ：默認為'abcdefghijklmnopqrstuvwxyz0123456789 - ;。 ！ ？number_of_characters ：默認為70extra_characters ：您要添加到字母的其他字符。例如大寫字母或重音字符max_length ：用於修復所有文檔的最大長度。默認為150，但應適應您的數據示例用法：
python predict.py ./models/pretrained_model.pth --text= " I love pizza ! " --max_length=150
關於法國客戶評論（3M文檔）的情感分析模型：下載鏈接
使用時：
這是要添加的潛在未來功能的非詳盡清單：
該項目已根據麻省理工學院許可證
