BIlstm训练中文

本文档详细介绍了如何运用PyTorch框架,构建双向LSTM(Bi-LSTM)模型来处理和理解中文文本数据。通过实例演示了数据预处理、模型构建、训练过程以及评估指标,帮助读者掌握Bi-LSTM在中文自然语言处理中的应用。
摘要由CSDN通过智能技术生成
from torch.utils.data import DataLoader
import os
from torch.utils import data
import pandas as pd
import torch
import numpy as np
import re
from tqdm import tqdm
import pickle
from torch import nn
import torch.nn.functional as F
from torch import optim

max_len = 250
train_batch_size = 64
test_batch_size = 500
device = torch.device("cuda" if torch.cuda.is_available() else "cpu")

class ESISADataset(data.Dataset):
    def __init__(self, csv_file):
        self.data = pd.read_csv(csv_file)

    def __len__(self):
        return self.data.shape[0]

    def __getitem__(self, idx):
        item = self.data.iloc[idx]
        text = item["text"]
        label = item["label"]

        return text, label

# 读取数据
train_dataset = ESISADataset("data/SMP2019_ECISA/train.csv")
test_dataset = ESISADataset("data/SMP2019_ECISA/test.csv")
dev_dataset = ESISADataset("data/SMP2019_ECISA/dev.csv")

def tokenize(text):

    fileters = ['!', '"', '#', '$', '%', '&', '\(', '\)', '\*', '\+', ',', '-', '\.', '/', ':', ';', '<', '=', '>',
                '\?', '@', '\[', '\\', '\]', '^', '_', '`', '\{', '\|', '\}', '~', '\t', '\n', '\x97', '\x96', '”',
                '“', ]
    text = re.sub("<.*?>", " ", text, flags=re.S)
    text = re.sub("|".join(fileters), " ", text, flags=re.S)
    return [i.strip() for i in text.split()]

"""文本序列化"""
# Word2Sequence
class Word2S
评论 10
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值