Datawhale零基础入门NLP赛事 - Task5 基于深度学习的文本分类

最新推荐文章于 2023-02-08 16:58:11 发布

无名之辈_

最新推荐文章于 2023-02-08 16:58:11 发布

阅读量227

点赞数

本文链接：https://blog.csdn.net/nini_k/article/details/107708304

版权

这篇博客介绍了如何使用gensim训练word2vec，并提供了一个DEMO，仅使用部分数据。预训练的词向量可以从给出的百度网盘链接获取。接着，文章讲解了TextRNN模型，利用双向双层LSTM对文本序列进行特征抽取，将词向量转化为文本表示。

摘要由CSDN通过智能技术生成

使用gensim训练word2vec
本DEMO只使用部分数据，使用全部数据预训练的词向量地址：

链接: https://pan.baidu.com/s/1ewlck3zwXVQuAzraZ26Euw 提取码: qbpr

import logging
import random

import numpy as np
import torch

logging.basicConfig(level=logging.INFO, format='%(asctime)-15s %(levelname)s: %(message)s')

# set seed 
seed = 666
random.seed(seed)
np.random.seed(seed)
torch.cuda.manual_seed(seed)
torch.manual_seed(seed)

# split data to 10 fold
fold_num = 10
data_file = '../data/train_set.csv'
import pandas as pd


def all_data2fold(fold_num, num=10000):
    fold_data = []
    f = pd.read_csv(data_file, sep='\t', encoding='UTF-8')
    texts = f['text'].tolist()[:num]
    labels = f[