torchMoji

------更新2018年9月-------

距Torchmoji和Deepmoji發行已經一年了。我們正在嘗試了解如何使用它，以便我們將來可以改進並設計更好的模型。

您可以通過回答此4個問題的Google表格來幫助我們實現這一目標。感謝您的支持！

？ Torchmoji

在此處閱讀有關實施過程的博客文章。

Torchmoji是由Bjarke Felbo，Alan Mislove，AndersSøgaard，Iyad Rahwan和Sune Lehmann開發的DeepMoji模型的Pytorch實施。

該模型在與表情符號的12億推文中訓練，以了解語言如何用來表達情感。通過轉移學習模型可以在許多與情緒相關的文本建模任務上獲得最新的性能。

嘗試使用DeepMoji的在線演示？空間！有關更多詳細信息，請參見論文，博客文章或常見問題解答。

概述

• Torchmoji/包含將數據集轉換為詞彙並使用模型所需的所有基本代碼。
• 示例/包含簡短的代碼段，顯示如何將數據集轉換為詞彙，加載模型並將其運行在該數據集上。
• 腳本/包含用於處理和分析數據集的代碼，以重現本文中的結果。
• 模型/包含驗證的模型和詞彙。
• 數據/包含我們在此存儲庫中包含的原始數據集和處理的數據集。
• 測試/包含代碼庫的單元測試。

首先，請查看示例/目錄內。有關如何使用DeepMoji提取表情符號預測，請參見Score_texts_emojis.py，請參閱Eckode_texts.py，以獲取如何將文本轉換為2304維情感特徵向量或Finetune_youtube_last.py如何在新數據集中使用模型來傳輸模型。

如果您使用型號或代碼，請考慮引用DeepMoji的論文（請參見下文）。

安裝

我們假設您正在使用PIP安裝Python 2.7-3.5。

首先，您需要安裝Pytorch（0.2+版），目前由：

conda install pytorch -c pytorch

目前，該模型無法有效使用CUDA。請參閱《擁抱面孔》博客文章中的詳細信息。

安裝Pytorch時，將以下內容運行以下目錄以安裝剩餘的依賴項：

pip install -e .

這將安裝以下依賴項：

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

然後，運行下載腳本以下載從此處下載驗證的Torchmoji權重（〜85MB），然後將它們放入模型/目錄中：

python scripts/download_weights.py

測試

要進行測試，請安裝鼻子。安裝後，導航到測試/目錄並運行：

 cd tests
nosetests -v

默認情況下，這還將運行登錄測試。這些測試訓練模型的一個時代，然後檢查最終的精度，這可能需要幾分鐘才能完成。如果您希望排除這些內容，請改用以下內容：

 cd tests
nosetests -v -a ' !slow ' 

免責聲明

該代碼已經過測試，可與Ubuntu 16.04和Macos Sierra Machines上的Python 2.7和3.5合作。它尚未針對效率進行優化，但應足夠快地用於大多數目的。我們不能保證沒有錯誤 - 使用您自己責任的代碼！

貢獻

如果您覺得可以改善某些東西，我們歡迎提取請求。您還可以通過告訴我們在撰寫最新推文時的感受，可以極大地幫助我們。只需單擊此處貢獻即可。

執照

該代碼和預驗證的模型已根據MIT許可證獲得許可。

基準數據集

基準數據集僅出於方便目的上傳到該存儲庫。他們沒有被我們釋放，我們沒有對他們宣稱任何權利。在您的責任下使用數據集，並確保您履行與其釋放的許可證。如果使用任何基準數據集，請考慮引用原始作者。

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}
}