/sentiment-classify

Primary LanguagePython

基于词嵌入的文本分类

  • 使用pytorch进行完成，python依赖都在requirement.txt中。
  • 由于GoogleNews-vectors-negative300.bin太大，未上传，如需要自行下载放入data文件夹中。
  • 训练后的模型存入了checkpoints文件夹中。

训练和测试命令

训练

python main.py train --batch-size=100 --plot-every=200

测试

python main.py test --model-path="checkpoints/_9.pth"

测试结果存入submission.csv文件中。该任务是一个情感分类任务，共分为五类。

各文件的作用

name function
main.py 调用模型进行训练
model.py CNN或RNN模型
data.py 加载数据
utils.py 可视化工具

这里只使用了torch自带的LSTM进行了简单的训练。

数据集

采用kaggle的数据Sentiment Analysis on Movie Reviews

模型

实现Continuous BOW模型、CNN、RNN的文本分类，并进行效果对比。

词用embedding的方式初始化:

  • 随机embedding的方式
  • 使用word2vec等工具训练出来的文本进行初始化

使用google训练好的GoogleNews-vectors-negative300来进行初始化，并将weight赋给 nn.embedding使用。

优化策略

没有对停用词进行处理，未对词干进行处理，一些没用的 而且是在word级别上进行的分类，可以尝试phrase级别。

防止过拟合

没有使用防止过拟合的策略，仅仅跑了几个epoch而已，准确率不会太高。