1

我正在做文本分类，并计划使用 word2vec 词嵌入并将其传递给 Conv1D 层进行文本分类。我有一个包含文本和相应标签（情绪）的数据框。我使用了 gensim 模块并使用 word2vec 算法来生成词嵌入模型。我使用的代码：

import pandas as pd
from gensim.models import Word2Vec
from nltk.tokenize import word_tokenize
df=pd.read_csv('emotion_merged_dataset.csv')
texts=df['text']
labels=df['sentiment']
df_tokenized=df.apply(lambda row: word_tokenize(row['text']), axis=1)
model = Word2Vec(df_tokenized, min_count=1)

我打算使用 CNN 并使用这个词嵌入模型。但是我应该如何为我的 cnn 使用这个词嵌入模型呢？我的输入应该是什么？

我打算使用类似的东西（显然不是使用相同的超参数）：

model = Sequential()
model.add(layers.Embedding(max_features, 128, input_length=max_len))
model.add(layers.Conv1D(32, 7, activation='relu'))
model.add(layers.MaxPooling1D(5))
model.add(layers.Conv1D(32, 7, activation='relu'))
model.add(layers.GlobalMaxPooling1D())
model.add(layers.Dense(1))

有人可以帮助我并指出正确的方向吗？提前致谢。

4

1 回答 1

2

抱歉回复晚了，希望对你有用。根据您的应用程序，您可能需要下载特定的 wordembedding 文件，例如这里有Glove 文件 

EMBEDDING_FILE='glove.6B.50d.txt'

embed_size = 50 # how big is each word vector
max_features = 20000 # how many unique words to use (i.e num rows in embedding vector)
maxlen = 100 # max number of words in a comment to use

word_index = tokenizer.word_index
nb_words = min(max_features, len(word_index))
embedding_matrix = np.random.normal(emb_mean, emb_std, (nb_words, embed_size))
for word, i in word_index.items():
    if i >= max_features: continue
    embedding_vector = embeddings_index.get(word)
    if embedding_vector is not None: embedding_matrix[i] = embedding_vector

#this is how you load the weights in the embedding layer
inp = Input(shape=(maxlen,))
x = Embedding(max_features, embed_size, weights=[embedding_matrix])(inp)

我从Jeremy Howard那里获取了这段代码，我认为这就是你所需要的，如果你想加载其他文件，过程非常相似，通常你只需要更改加载文件

于 2018-03-05T08:48:56.283 回答