深度學(xué)習(xí)——如何用LSTM進(jìn)行文本分類(lèi)

龍騰亞太

簡(jiǎn)介

主要內(nèi)容包括

如何將文本處理為T(mén)ensorflow LSTM的輸入

如何定義LSTM

用訓(xùn)練好的LSTM進(jìn)行文本分類(lèi)

代碼

導(dǎo)入相關(guān)庫(kù)

#coding=utf-8

import tensorflow as tf

from tensorflow.contrib import learn

import numpy as np

from tensorflow.python.ops.rnn import static_rnn

from tensorflow.python.ops.rnn_cell_impl import BasicLSTMCell

數(shù)據(jù)

# 數(shù)據(jù)

positive_texts = [

"我 今天 很 高興",

"我 很 開(kāi)心",

"他 很 高興",

"他 很 開(kāi)心"

]

negative_texts = [

"我 不 高興",

"我 不 開(kāi)心",

"他 今天 不 高興",

"他 不 開(kāi)心"

]

label_name_dict = {

0: "正面情感",

1: "負(fù)面情感"

}

配置信息

配置信息

embedding_size = 50

num_classes = 2

將文本和label數(shù)值化

# 將文本和label數(shù)值化

all_texts = positive_texts + negative_textslabels = [0] * len(positive_texts) + [1] * len(negative_texts)

max_document_length = 4

vocab_processor = learn.preprocessing.VocabularyProcessor(max_document_length)

datas = np.array(list(vocab_processor.fit_transform(all_texts)))

vocab_size = len(vocab_processor.vocabulary_)

定義placeholder(容器)，存放輸入輸出

# 容器，存放輸入輸出

datas_placeholder = tf.placeholder(tf.int32, [None, max_document_length])

labels_placeholder = tf.placeholder(tf.int32, [None])

詞向量處理

# 詞向量表

embeddings = tf.get_variable("embeddings", [vocab_size, embedding_size], initializer=tf.truncated_normal_initializer)

# 將詞索引號(hào)轉(zhuǎn)換為詞向量[None, max_document_length] => [None, max_document_length, embedding_size]

embedded = tf.nn.embedding_lookup(embeddings, datas_placeholder)

將數(shù)據(jù)處理為LSTM的輸入格式

# 轉(zhuǎn)換為L(zhǎng)STM的輸入格式，要求是數(shù)組，數(shù)組的每個(gè)元素代表某個(gè)時(shí)間戳一個(gè)Batch的數(shù)據(jù)

rnn_input = tf.unstack(embedded, max_document_length, axis=1)

定義LSTM

# 定義LSTM

lstm_cell = BasicLSTMCell(20, forget_bias=1.0)

rnn_outputs, rnn_states = static_rnn(lstm_cell, rnn_input, dtype=tf.float32)

#利用LSTM最后的輸出進(jìn)行預(yù)測(cè)

logits = tf.layers.dense(rnn_outputs[-1], num_classes)

predicted_labels = tf.argmax(logits, axis=1)

定義損失和優(yōu)化器

# 定義損失和優(yōu)化器

losses= tf.nn.softmax_cross_entropy_with_logits(

labels=tf.one_hot(labels_placeholder, num_classes),

logits=logits

)

mean_loss = tf.reduce_mean(losses)

optimizer = tf.train.AdamOptimizer(learning_rate=1e-2).minimize(mean_loss)

執(zhí)行

with tf.Session() as sess:

# 初始化變量

sess.run(tf.global_variables_initializer())

訓(xùn)練# 定義要填充的數(shù)據(jù)

feed_dict = {

datas_placeholder: datas,

labels_placeholder: labels

}

print("開(kāi)始訓(xùn)練")

for step in range(100):

_, mean_loss_val = sess.run([optimizer, mean_loss], feed_dict=feed_dict)

if step % 10 == 0:

print("step = {}\tmean loss = {}".format(step, mean_loss_val))

預(yù)測(cè)

print("訓(xùn)練結(jié)束，進(jìn)行預(yù)測(cè)")

predicted_labels_val = sess.run(predicted_labels, feed_dict=feed_dict)

for i, text in enumerate(all_texts):

label = predicted_labels_val

label_name = label_name_dict[label]

print("{} => {}".format(text, label_name))

分享安排：

目標(biāo)：​

1.掌握大數(shù)據(jù)建模分析與使用方法。

2.掌握大數(shù)據(jù)平臺(tái)技術(shù)架構(gòu)。

3.掌握國(guó)內(nèi)外主流的大數(shù)據(jù)分析與BI商業(yè)智能分析解決方案。

4.掌握大數(shù)據(jù)分析在搜索引擎、廣告服務(wù)推薦、電商數(shù)據(jù)分析、金融客戶(hù)分析方面的應(yīng)用。

5.掌握主流的基于大數(shù)據(jù)Hadoop和Spark、R的大數(shù)據(jù)分析平臺(tái)架構(gòu)和實(shí)際應(yīng)用。

6.掌握基于Hadoop大數(shù)據(jù)平臺(tái)的數(shù)據(jù)挖掘和數(shù)據(jù)倉(cāng)庫(kù)分布式系統(tǒng)平臺(tái)應(yīng)用，以及商業(yè)和開(kāi)源的數(shù)據(jù)分析產(chǎn)品加上Hadoop平臺(tái)形成大數(shù)據(jù)分析平臺(tái)的應(yīng)用剖析。

7.掌握常見(jiàn)的機(jī)器學(xué)習(xí)算法。

具體內(nèi)容：

一、大數(shù)據(jù)概述：1.大數(shù)據(jù)及特點(diǎn)分析；2.大數(shù)據(jù)關(guān)健技術(shù)；3.大數(shù)據(jù)計(jì)算模式；4.大數(shù)據(jù)應(yīng)用實(shí)例

二、大數(shù)據(jù)處理架構(gòu)Hadoop：1.Hadoop項(xiàng)目結(jié)構(gòu)；2.Hadoop安裝與使用；3.Hadoop集群的部署與使用；4.Hadoop 代表性組件

三、分布式文件系統(tǒng)HDFS ：1.HDFS體系結(jié)構(gòu)；2.HDFS存儲(chǔ)；3.HDFS數(shù)據(jù)讀寫(xiě)過(guò)程

四、分布式數(shù)據(jù)庫(kù)HBase ：1.HBase訪(fǎng)問(wèn)接口；2.HBase數(shù)據(jù)類(lèi)型；3.HBase實(shí)現(xiàn)原理；4.HBase運(yùn)行機(jī)制；5.HBase應(yīng)用

五、MapReduce ：1.MapReduce體系結(jié)構(gòu)；2.MapReduce工作流程；3.資源管理調(diào)度框架YARN ；4.MapReduce應(yīng)用

六、Spark ：1.Spark生態(tài)與運(yùn)行架構(gòu)；2.Spark SQL；3.Spark部署與應(yīng)用方式

七、IPython Notebook運(yùn)行Python Spark程序：1.Anaconda；2.IPython Notebook使用Spark；3.使用IPython Notebook在Hadoop YARN模式運(yùn)行

八、Python Spark集成開(kāi)發(fā)環(huán)境 ：1.Python Spark集成開(kāi)發(fā)環(huán)境部署配置；2.Spark數(shù)據(jù)分析庫(kù)MLlib的開(kāi)發(fā)部署

九、Python Spark決策樹(shù)二分類(lèi)與多分類(lèi) ：1.決策樹(shù)原理；2.大數(shù)據(jù)問(wèn)題；3.決策樹(shù)二分類(lèi)；4.決策樹(shù)多分類(lèi)

十、Python Spark支持向量機(jī) ：1.支持向量機(jī)SVM 原理與算法；2.Python Spark SVM程序設(shè)計(jì)

十一、Python Spark 貝葉斯模型 ：1.樸素貝葉斯模型原理；2.Python Spark貝葉斯模型程序設(shè)計(jì)

十二、Python Spark邏輯回歸 ：1.邏輯回歸原理；2.Python Spark邏輯回歸程序設(shè)計(jì)

十三、Python Spark回歸分析 ：1.大數(shù)據(jù)分析；2.數(shù)據(jù)集介紹；3.Python Spark回歸程序設(shè)計(jì)

十四、Spark ML Pipeline 機(jī)器學(xué)習(xí)流程分類(lèi) ：1.機(jī)器學(xué)習(xí)流程組件：StringIndexer、OneHotEncoder、VectorAssembler等

2.使用Spark ML Pipeline 機(jī)器學(xué)習(xí)流程分類(lèi)程序設(shè)計(jì)

十五、Python Spark 創(chuàng)建推薦引擎 ：1.推薦算法；2.推薦引擎大數(shù)據(jù)分析使用場(chǎng)景；3.推薦引擎設(shè)計(jì)

十六、項(xiàng)目實(shí)踐：1.日志分析系統(tǒng)與日志挖掘項(xiàng)目實(shí)踐；2.推薦系統(tǒng)項(xiàng)目實(shí)踐

學(xué)習(xí)可關(guān)注人工智能技術(shù)與咨詢(xún)，更多詳情可咨詢(xún)152-3187-5710（v同號(hào)），qq群：189696007。