fasttext进行文本分类

https://github.com/facebookresearch/fastText

python版本
https://github.com/salestock/fastText.py
这个是非官方的版本　现在已经不在使用了

官方提供了Python版本　
https://github.com/facebookresearch/fastText/tree/master/python
现在用的都是官方的版本

开始一直报错就是因为自己安装了官方的版本

却一直还在调用非官方的api

fasttext是facebook开源的一个词向量与文本分类工具，在学术上没有太多创新点，好处是模型简单，训练速度非常快。简单尝试可以发现，用起来还是非常顺手的，做出来的结果也不错，可以达到上线使用的标准。

简单说来，fastText做的事情，就是把文档中所有词通过lookup table变成向量，取平均后直接用线性分类器得到分类结果。fastText和ACL-15上的deep averaging network(DAN，如下图)比较相似，是一个简化的版本，去掉了中间的隐层。论文指出了对一些简单的分类任务，没有必要使用太复杂的网络结构就可以取得差不多的结果。

 

fastText结构

fastText论文中提到了两个tricks

• hierarchical softmax
  • 类别数较多时，通过构建一个霍夫曼编码树来加速softmax layer的计算，和之前word2vec中的trick相同
• N-gram features
  • 只用unigram的话会丢掉word order信息，所以通过加入N-gram features进行补充用hashing来减少N-gram的存储

fastText有监督学习(分类)示例

可以通过pip install fasttext安装包含fasttext python的接口的package

fastText做文本分类要求文本是如下的存储形式：

__label__2 , b