Keras-TextClassification/README.md

Keras-TextClassification

keras_textclassification（代码主体,未完待续...）

- Bert-fineture
- FastText
- TextCNN
- charCNN
- TextRNN
- TextRCNN
- TextDCNN
- TextDPCNN
- TextVDCNN
- TextCRNN
- DeepMoji
- SelfAttention
- HAN
- CapsuleNet
- Transformer-encode

run(运行, 以FastText为例)

- 1. 进入keras_textclassification/m01_FastText目录，
- 2. 训练: 运行 train.py,   例如: python train.py
- 3. 预测: 运行 predict.py, 例如: python predict.py
- 说明: 默认不带pre train的random embedding，训练和验证语料只有100条，完整语料移步下面data查看下载

run(test/sample实例)

- bert,word2vec,random样例在test/目录下, 注意word2vec(char or word), random-word,  bert(chinese_L-12_H-768_A-12)未全部加载,需要下载
- multi_class/目录下以text-cnn为例进行多标签分类实例，转化为multi-onehot标签类别，分类则取一定阀值的类
- predict_bert_text_cnn.py
- tet_char_bert_embedding.py
- tet_char_random_embedding.py
- tet_char_word2vec_embedding.py
- tet_word_random_embedding.py
- tet_word_word2vec_embedding.py

keras_textclassification/data

- 数据下载
  ** github项目中只是上传部分数据，需要的前往链接: https://pan.baidu.com/s/1I3vydhmFEQ9nuPG2fDou8Q 提取码: rket
- baidu_qa_2019（百度qa问答语料，只取title作为分类样本，17个类，有一个是空''，已经压缩上传）
   - baike_qa_train.csv
   - baike_qa_valid.csv
-byte_multi_news（今日头条2018新闻标题多标签语料，1070个标签，fate233爬取, 地址为: [byte_multi_news](https://github.com/fate233/toutiao-multilevel-text-classfication-dataset)）
   -labels.csv
   -train.csv
   -valid.csv
- embeddings
   - chinese_L-12_H-768_A-12/(取谷歌预训练好点的模型，已经压缩上传)
   - term_char.txt(已经上传, 项目中已全, wiki字典, 还可以用新华字典什么的)
   - term_word.txt(未上传, 项目中只有部分, 可参考词向量的)
   - w2v_model_merge_short.vec(未上传, 项目中只有部分, 词向量, 可以用自己的)
   - w2v_model_wiki_char.vec(已上传百度网盘, 项目中只有部分, 自己训练的维基百科字向量, 可以用自己的)
- model
   - 预训练模型存放地址

项目说明

• 1. 构建了base基类(网络(graph)、向量嵌入(词、字、句子embedding)),后边的具体模型继承它们，代码简单
• 2. conf存放项目数据、模型的地址, data存放数据和语料, etl为数据预处理模块,

模型与论文paper题与地址

• FastText: Bag of Tricks for Efficient Text Classification
• TextCNN： Convolutional Neural Networks for Sentence Classification
• charCNN-kim： Character-Aware Neural Language Models
• charCNN-zhang: Character-level Convolutional Networks for Text Classification
• TextRNN： Recurrent Neural Network for Text Classification with Multi-Task Learning
• RCNN： Recurrent Convolutional Neural Networks for Text Classification
• DCNN: A Convolutional Neural Network for Modelling Sentences
• DPCNN: Deep Pyramid Convolutional Neural Networks for Text Categorization
• VDCNN: Very Deep Convolutional Networks
• CRNN: A C-LSTM Neural Network for Text Classification
• DeepMoji: Using millions of emojio ccurrences to learn any-domain represent ations for detecting sentiment, emotion and sarcasm
• SelfAttention: Attention Is All You Need
• HAN: Hierarchical Attention Networks for Document Classification
• CapsuleNet: Dynamic Routing Between Capsules
• Transformer(encode or decode): Attention Is All You Need

参考/感谢

• 文本分类项目: https://github.com/mosu027/TextClassification
• 文本分类看山杯: https://github.com/brightmart/text_classification
• Kashgari项目: https://github.com/BrikerMan/Kashgari
• 文本分类Ipty : https://github.com/lpty/classifier
• keras文本分类: https://github.com/ShawnyXiao/TextClassification-Keras
• keras文本分类: https://github.com/AlexYangLi/TextClassification
• CapsuleNet模型: https://github.com/bojone/Capsule
• transformer模型: https://github.com/CyberZHG/keras-transformer