Task4 基于深度学习的文本分类1
1.学习目标
- 学习FastText的使用和基础原理
- 学会使用验证集进行调参
2.文本表示方法Part2
-
现有文本表示方法的缺陷
One-hot、Bag of Words、N-gram、TF-IDF几种文本表示方法存在的问题:转换得到的向量维度很高,需要较长的训练实践;没有考虑单词与单词之间的关系,只是进行了统计。 -
FastText
- 一个三层的神经网络,输入层、隐含层和输出层
- 代码实现
3.基于FastText的文本分类
-
代码
import pandas as pd from sklearn.metrics import f1_score train_df = pd.read_csv("./{}/train_set.csv".format(file_dir),sep='\t',nrows=15000) train_df['label_ft'] = '__label__' +train_df['label'].astype(str) train_df[['text','label_ft']].iloc[:-5000].to_csv('train_test1.csv', index=None, header=None, sep='\t') import fasttext model = fasttext.train_supervised('train_test1.csv',lr=1.0,wordNgrams=2,verbose=2,minCount=1,epoch=25,loss='hs') val_pred = [model.predict(x)[0][0].split('__')[-1] for x in train_df.iloc[-5000:]['text']] print(f1_score(train_df['label'].values[-5000:].astype(str), val_pred, average='macro'))
-
结果
4.如何使用验证集调参
- 参数