classification_character

はじめに

character_doc2vecを用いて作成した分散表現モデルを利用して分類問題を解こうというものになります。

また、doc2vecの精度の確認もしたかったためBoWの分散表現での分類もしています。
bowファイルとsklearnファイルはBoWの分類になります。

分類にはChainerのFFNNの3層モデルを使って行っています。
また、sklearnでも分類が解けるので精度確認のため行っています。

キャラクター1 台詞
キャラクター2 台詞
......
というデータを用いて台詞を該当キャラに分類しようとしています。

使用方法

例としてchainer_learn_BoWを使っています。
python chainer_learn_BoW.py --data 分類したいデータ --dict 辞書データ --epoch エポック数 --batchsize バッチサイズ --units 隠れ層のユニット数 --labelnum 分類先の数
で学習、検証が始まります
またbowとsklearnには辞書データが必要になりますので準備してください。

実行環境

Python 3.5.1
mecab-python3 (0.7)
Scrapy (1.5.0)
requests (2.18.4)
gensim (3.4.0)
chainer(3.0.0)
sklearn(0.19.1)

実行してみて

実行結果の予測を見るとdoc2vecの精度が70%、BoWが90%となっています。
このためdoc2vecの学習が上手くできていない、もしくはもっと幅広いデータを使って作成する必要があることが分かりました。
そのため次はWikiを使った分散表現を使ってみようと思います。

参考書籍,Webサイト