第四课 自然语言分类任务

 》文本分类

·一个最基本且很有用的NLP应用

·识别垃圾邮件

·情感分类

·主题分类

·分类问题：模型、预测、学习

·模型：分类器

·分类器是一个函数f，这个函数拿到输入x然后输出类别y。

》双向RNN

》堆叠循环神经网络

》CNN用作文本分类

》Embedding层

首先把每个单词都embed成一个向量 

一句话中的n个词向量会被结合到一起

》卷积层

卷积层的filter

这个卷积层filter会被用作转化h个单词

每一个h单词的窗口都会被这个filter转化

》Pooling层

max-over-time pooling   

每一个Convolutional filter转化过的向量都会被这个max over time pooling做一次汇总

如果有m个filter, 我们会得到   

》Regularization

原来的线性层是

加上Dropout r 之后

是一个随机变量，有p的概率是1，1-p的概率是0。在使用模型做预测的时候，所有的权重都会被乘以p。

》CNN实验结果

》情感分析

import torch
from torchtext import data

SEED = 1234

torch.manual_seed(SEED)
torch.cuda.manual_seed(SEED)
torch.backends.cudnn.deterministic = True

TEXT = data.Field(tokenize='spacy')
LABEL = data.LabelField(dtype=torch.float)

• TorchText支持很多常见的自然语言处理数据集。
• 下面的代码会自动下载IMDb数据集，然后分成train/test两个torchtext.datasets类别。数据被前面的Fields处理。IMDb数据集一共有50000电影评论，每个评论都被标注为正面的或负面的。

from torchtext import datasets
train_data, test_data = datasets.IMDB.splits(TEXT, LABEL)

查看每个数据split有多少条数据。

print(f'Number of training examples: {len(train_data)}')
print(f'Number of testing examples: {len(test_data)}')

Number of training examples: 25000
Number of testing examples: 25000

查看一个example。

print(vars(train_data.examples[0]))

{'text': ['Brilliant', 'adaptation', 'of', 'the', 'novel', 'that', 'made', 'famous', 'the', 'relatives', 'of', 'Chilean', 'President', 'Salvador', 'Allende', 'killed', '.', 'In', 'the', 'environment', 'of', 'a', 'large', 'estate', 'that', 'arises', 'from', 'the', 'ruins', ',', 'becoming', 'a', 'force', 'to', 'abuse', 'and', 'exploitation', 'of', 'outrage', ',', 'a', 'luxury', 'estate', 'for', 'the', 'benefit', 'of', 'the', 'upstart', 'Esteban', 'Trueba', 'and', 'his', 'undeserved', 'family', ',', 'the', 'brilliant', 'Danish', 'director', 'Bille', 'August', 'recreates', ',', 'in', 'micro', ',', 'which', 'at', 'the', 'time', 'would', 'be', 'the', 'process', 'leading', 'to', 'the', 'greatest', 'infamy', 'of', 'his', 'story', 'to', 'the', 'hardened', 'Chilean', 'nation', ',', 'and', 'whose', 'main', 'character', 'would', 'Augusto', 'Pinochet', '(', 'Stephen', 'similarities', 'with', 'it', 'are', 'inevitable', ':', 'recall', ',', 'as', 'an', 'example', ',', 'that', 'image', 'of', 'the', 'senator', 'with', 'dark', 'glasses', 'that', 'makes', 'him', 'the', 'wink', 'to', 'the', 'general', 'to', 'begin', 'making', 'the', 'palace).<br', '/><br', '/>Bille', 'August', 'attends', 'an', 'exceptional', 'cast&#