0
0

【自然语言处理（NLP）】基于GRU实现情感分类

【自然语言处理（NLP）】基于GRU实现情感分类

在这里插入图片描述

作者简介：在校大学生一枚，华为云享专家，阿里云星级博主，腾云先锋（TDP）成员，云曦智划项目总负责人，全国高等学校计算机教学与产业实践资源建设专家委员会（TIPCC）志愿者，以及编程爱好者，期待和大家一起学习，一起进步~
.
博客主页：ぃ灵彧が的学习日志
.
本文专栏：人工智能
.
专栏寄语：若你决定灿烂，山无遮，海无拦
.
在这里插入图片描述

文章目录

前言

任务描述

任务描述：

本示例教程演示如何在IMDB数据集上用GRU网络完成文本分类的任务。

IMDB数据集是一个对电影评论标注为正向评论与负向评论的数据集，共有25000条文本数据作为训练集，25000条文本数据作为测试集。
该数据集的官方地址为： http://ai.stanford.edu/~amaas/data/sentiment/

一、环境设置

import paddle
import numpy as np
import matplotlib.pyplot as plt
import paddle.nn as nn

print(paddle.__version__)# 查看当前版本# cpu/gpu环境选择，在 paddle.set_device() 输入对应运行设备。
device = paddle.set_device('gpu')

二、数据准备

  1. 由于IMDB是NLP领域中常见的数据集，飞桨框架将其内置，路径为 paddle.text.datasets.Imdb。通过 mode 参数可以控制训练集与测试集。
print('loading dataset...')
train_dataset = paddle.text.datasets.Imdb(mode='train')
test_dataset = paddle.text.datasets.Imdb(mode='test')print('loading finished')
  1. 构建了训练集与测试集后，可以通过 word_idx 获取数据集的词表。在飞桨框架2.0版本中，推荐使用padding的方式来对同一个batch中长度不一的数据进行补齐，所以在字典中，我们还会添加一个特殊的词，用来在后续对batch中较短的句子进行填充。
word_dict = train_dataset.word_idx  # 获取数据集的词表# add a pad token to the dict for later padding the sequence
word_dict['<pad>']=len(word_dict)for k inlist(word_dict)[:5]:print("{}:{}".format(k.decode('ASCII'), word_dict[k]))print("...")for k inlist(word_dict)[-5:]:print("{}:{}".format(k ifisinstance(k,str)else k.decode('ASCII'), word_dict[k]))print("totally {} words".format(len(word_dict)))

输出结果如下图1所示：

在这里插入图片描述

(一)、参数设置

  1. 在这里我们设置一下词表大小，embedding的大小，batch_size，等等
vocab_size =len(word_dict)+1print(vocab_size)
emb_size =256
seq_len =200
batch_size =32
epochs =10
pad_id = word_dict['<pad>']

classes =['negative','positive']# 生成句子列表defids_to_str(ids):# print(ids)
    words =[]for k in ids:
        w =list(word_dict)[k]
        words.append(w ifisinstance(w,str)else w.decode('ASCII'))return" ".join(words)
  1. 在这里，取出一条数据打印出来看看，可以用 docs 获取数据的list，用 labels 获取数据的label值，打印出来对数据有一个初步的印象。
# 取出来第一条数据看看样子。
sent = train_dataset.docs[0]
label = train_dataset.labels[1]print('sentence list id is:', sent)print('sentence label id is:', label)print('--------------------------')print('sentence list is: ', ids_to_str(sent))print('sentence label is: ', classes[label])

输出结果如图2所示：

在这里插入图片描述

(二)、用padding的方式对齐数据

  1. 文本数据中，每一句话的长度都是不一样的，为了方便后续的神经网络的计算，常见的处理方式是把数据集中的数据都统一成同样长度的数据。这包括：对于较长的数据进行截断处理，对于较短的数据用特殊的词进行填充。接下来的代码会对数据集中的数据进行这样的处理。
# 读取数据归一化处理defcreate_padded_dataset(dataset):
    padded_sents =[]
    labels =[]for batch_id, data inenumerate(dataset):
        sent, label = data[0], data[1]
        padded_sent = np.concatenate([sent[:seq_len],[pad_id]*(seq_len -len(sent))]).astype('int32')
        padded_sents.append(padded_sent)
        labels.append(label)return np.array(padded_sents), np.array(labels)# 对train、test数据进行实例化
train_sents, train_labels = create_padded_dataset(train_dataset)
test_sents, test_labels = create_padded_dataset(test_dataset)# 查看数据大小及举例内容print(train_sents.shape)print(train_labels.shape)print(test_sents.shape)print(test_labels.shape)for sent in train_sents[:3]:print(ids_to_str(sent))

输出结果如下图3所示：

在这里插入图片描述

(三)、用Dataset 与 DataLoader 加载

将前面准备好的训练集与测试集用Dataset 与 DataLoader封装后，完成数据的加载。

classIMDBDataset(paddle.io.Dataset):'''
    继承paddle.io.Dataset类进行封装数据
    '''def__init__(self, sents, labels):
        self.sents = sents
        self.labels = labels
    
    def__getitem__(self, index):
        data = self.sents[index]
        label = self.labels[index]return data, label

    def__len__(self):returnlen(self.sents)
    
train_dataset = IMDBDataset(train_sents, train_labels)
test_dataset = IMDBDataset(test_sents, test_labels)

train_loader = paddle.io.DataLoader(train_dataset, return_list=True,
                                    shuffle=True, batch_size=batch_size, drop_last=True)
test_loader = paddle.io.DataLoader(test_dataset, return_list=True,
                                    shuffle=True, batch_size=batch_size, drop_last=True)

三、模型配置

本示例中，我们将会使用一个不考虑词的顺序的GRU的网络，在查找到每个词对应的embedding后，简单的取平均，作为一个句子的表示。然后用Linear进行线性变换。为了防止过拟合，我们还使用了Dropout。

GRU是LSTM网络的一种效果很好的变体，它较LSTM网络的结构更加简单，而且效果也很。
因此也是当前非常流形的一种网络。GRU既然是LSTM的变体，因此也是可以解决RNN网络中的长依赖问题。

在这里插入图片描述

图中的zt和rt分别表示更新门和重置门。
更新门用于控制前一时刻的状态信息被带入到当前状态中的程度，更新门的值越大说明前一时刻的状态信息带入越多。
重置门控制前一状态有多少信息被写入到当前的候选集 h~t 上，重置门越小，前一状态的信息被写入的越少。

import paddle.nn as nn
import paddle

# 定义GRU网络classMyGRU(paddle.nn.Layer):def__init__(self):super(MyGRU, self).__init__()
        self.embedding = nn.Embedding(vocab_size,256)
        self.gru = nn.GRU(256,256, num_layers=2, direction='bidirectional',dropout=0.5)
        self.linear = nn.Linear(in_features=256*2, out_features=2)
        self.dropout = nn.Dropout(0.5)defforward(self, inputs):
        emb = self.dropout(self.embedding(inputs))#output形状大小为[batch_size,seq_len,num_directions * hidden_size]#hidden形状大小为[num_layers * num_directions, batch_size, hidden_size]#把前向的hidden与后向的hidden合并在一起
        output, hidden = self.gru(emb)
        hidden = paddle.concat((hidden[-2,:,:], hidden[-1,:,:]), axis =1)#hidden形状大小为[batch_size, hidden_size * num_directions]
        hidden = self.dropout(hidden)return self.linear(hidden)

四、模型训练

(一)、可视化定义

defdraw_process(title,color,iters,data,label):
    plt.title(title, fontsize=24)
    plt.xlabel("iter", fontsize=20)
    plt.ylabel(label, fontsize=20)
    plt.plot(iters, data,color=color,label=label) 
    plt.legend()
    plt.grid()
    plt.show()

(二)、对模型进行封装

deftrain(model):
    model.train()
    opt = paddle.optimizer.Adam(learning_rate=0.001, parameters=model.parameters())
    steps =0
    Iters, total_loss, total_acc =[],[],[]for epoch inrange(epochs):for batch_id, data inenumerate(train_loader):
            steps +=1
            sent = data[0]
            label = data[1]
            
            logits = model(sent)
            loss = paddle.nn.functional.cross_entropy(logits, label)
            acc = paddle.metric.accuracy(logits, label)if batch_id %500==0:# 500个epoch输出一次结果
                Iters.append(steps)
                total_loss.append(loss.numpy()[0])
                total_acc.append(acc.numpy()[0])print("epoch: {}, batch_id: {}, loss is: {}".format(epoch, batch_id, loss.numpy()))
            
            loss.backward()
            opt.step()
            opt.clear_grad()# evaluate model after one epoch
        model.eval()
        accuracies =[]
        losses =[]for batch_id, data inenumerate(test_loader):
            
            sent = data[0]
            label = data[1]

            logits = model(sent)
            loss = paddle.nn.functional.cross_entropy(logits, label)
            acc = paddle.metric.accuracy(logits, label)
            
            accuracies.append(acc.numpy())
            losses.append(loss.numpy())
        
        avg_acc, avg_loss = np.mean(accuracies), np.mean(losses)print("[validation] accuracy: {}, loss: {}".format(avg_acc, avg_loss))
        
        model.train()# 保存模型
        paddle.save(model.state_dict(),str(epoch)+"_model_final.pdparams")# 可视化查看
    draw_process("trainning loss","red",Iters,total_loss,"trainning loss")
    draw_process("trainning acc","green",Iters,total_acc,"trainning acc")
        
model = MyGRU()
train(model)

输出结果分别如图4、5、6所示：

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

五、模型评估

'''
模型评估
'''
model_state_dict = paddle.load('6_model_final.pdparams')# 导入模型
model = MyGRU()
model.set_state_dict(model_state_dict) 
model.eval()
accuracies =[]
losses =[]for batch_id, data inenumerate(test_loader):
    
    sent = data[0]
    label = data[1]

    logits = model(sent)
    loss = paddle.nn.functional.cross_entropy(logits, label)
    acc = paddle.metric.accuracy(logits, label)
    
    accuracies.append(acc.numpy())
    losses.append(loss.numpy())

avg_acc, avg_loss = np.mean(accuracies), np.mean(losses)print("[validation] accuracy: {}, loss: {}".format(avg_acc, avg_loss))

输出结果如下图7所示：

在这里插入图片描述

六、模型预测

defids_to_str(ids):
    words =[]for k in ids:
        w =list(word_dict)[k]
        words.append(w ifisinstance(w,str)else w.decode('ASCII'))return" ".join(words)

label_map ={0:"negative",1:"positive"}# 导入模型
model_state_dict = paddle.load('6_model_final.pdparams')
model = MyGRU()
model.set_state_dict(model_state_dict) 
model.eval()for batch_id, data inenumerate(test_loader):
    
    sent = data[0]
    results = model(sent)

    predictions =[]for probs in results:# 映射分类label
        idx = np.argmax(probs)
        labels = label_map[idx]
        predictions.append(labels)for i,pre inenumerate(predictions):print(' 数据: {} \n 情感: {}'.format(ids_to_str(sent[0]), pre))breakbreak

输出结果如下图8所示：

在这里插入图片描述

总结

本系列文章内容为根据清华社出版的《机器学习实践》所作的相关笔记和感悟，其中代码均为基于百度飞桨开发，若有任何侵权和不妥之处，请私信于我，定积极配合处理，看到必回！！！

最后，引用本次活动的一句话，来作为文章的结语～(￣▽￣～)~：

【学习的最大理由是想摆脱平庸，早一天就多一份人生的精彩；迟一天就多一天平庸的困扰。】

ps：更多精彩内容还请进入本文专栏：人工智能，进行查看，欢迎大家支持与指教啊～(￣▽￣～)~

在这里插入图片描述

标签： 自然语言处理 gru 分类
本文转载自: https://blog.csdn.net/m0_54754302/article/details/126362240
版权归原作者 ぃ灵彧が 所有， 如有侵权，请联系我们删除。
登录后发布评论

“【自然语言处理（NLP）】基于GRU实现情感分类”的评论:

还没有评论
关于作者
...
overfit同步小助手
文章同步
相关阅读

Postman Pre-request Script

Apifox、Postman进行接口调用时如何携带cookie？

使用IDEA启动项目build时，解决Java编译时内存溢出问题：OutOfMemoryError深入解析

zookeeper实现RMI服务，高可用，HA

Idea 中kafka 生产者无法正常生产消息，SpringBoot编写简单的kafka实例

【NOIP提高组】潜伏者

**探索未来架构：深度学习的自动化设计神器 —— DARTS**

文章导航