NLP入门_基于深度学习的文本分类_Fasttext

基于机器学习的文本分类存在如下缺陷：

• 转换得到的维度较高，训练时间较长；
• 没有考虑单词之间的联系；

深度学习也可以用于文本表示，还可以将其映射到低维空间，比较典型的例子有：FastText、Word2Vec和Bert。

FastText

FastText是一种典型的深度学习词向量表示方式，它可以非常简单的通过Embedding层将单词映射到稠密空间，然后将句子中所有的单词在Embedding空间中进行平均，进而完成分类操作。

FastText在文本分类任务上是由于TF-IDF的：

1. F方法用单词的Embedding叠加获得的文档向量，将相似的向量分为一类
2. F方法学习到的Embedding空间维度比较低，可以快速进行训练

代码实现

# 转换为FastText需要的格式
train_df['label_ft'] = '__label__' + train_df['label'].astype(str)
train_df[['text','label_ft']].iloc[:-5000].to_csv('train.csv', index=None, header=None, sep='\t')

import fasttext
model = fasttext.train_supervised('train.csv', lr=1.0, wordNgrams=2, 
                                  verbose=2, minCount=1, epoch=25, loss="hs")

val_pred = [model.predict(x)[0][0].split('__')[-1] for x in train_df.iloc[-5000:]['text']]
print(f1_score(train_df['label'].values[-5000:].astype(str), val_pred, average='macro'))
# 0.82