Pytext实战-构建一个文本分类器有多快
1 数据集准备
数据集
数据集包括两个文件：train.tsv和test.tsv，内容是从网上搜集的情感文本数据，简单地经过分词后用空格拼接起来。训练集和测试集各有10000条数据
2 构建文本分类器
Pytext框架包括了Task, Trainer, Model, DataHandler, Exporter 组件，分别对应了任务切换、模型训练、模型结构、数据处理、模型导出的作用，它们都继承自名Component的类
(图片来自: https://pytext-pytext.readthedocs-hosted.com/en/latest/overview.html
Component可以读取JSON类型的配置文件，配置文件可以设置训练过程中使用的输入和学习率等参数。按照官方文本分类教程，我们几乎可以不需要实现模型，输入，输出等代码，只需要准备好数据集即可。
docnn.json的内容如下：
{
"task": {
"DocClassificationTask": {
"data_handler": {
"train_path": "train.tsv",
"eval_path": "test.tsv",
"test_path": "test.tsv"
}
}
}
}- 步骤1 训练模型：
pytext train < docnn.json 
经过3-4分钟后，10 epoch训练完毕，在没有使用词向量以及直接使用默认设置，在测试集的预测效果如下，
image.png
- 步骤2 导出模型
CONFIG=docnn.json
pytext export --output-path model.c2 < "$CONFIG"在桌面上我们可以看到导出的模型 model.c2
- 步骤3 模型预测 参考意图识别的例子，我写了下面的测试代码
# !/usr/bin/env python3
# -*- coding:utf-8 _*-
"""
@Author:yanqiang
@File: demo.py
@Time: 2018/12/21 19:06
@Software: PyCharm
@Description:
"""
import sys
import pytext
import jieba
config_file = sys.argv[1]
model_file = sys.argv[2]
text = sys.argv[3]
text = " ".join([word for word in jieba.cut(text)])
config = pytext.load_config(config_file)
predictor = pytext.create_predictor(config, model_file)
# Pass the inputs to PyText's prediction API
result = predictor({"raw_text": text})
# Results is a list of output blob names and their scores.
# The blob names are different for joint models vs doc models
# Since this tutorial is for both, let's check which one we should look at.
doc_label_scores_prefix = (
'scores:' if any(r.startswith('scores:') for r in result)
else 'doc_scores:'
)
# For now let's just output the top document label!
best_doc_label = max(
(label for label in result if label.startswith(doc_label_scores_prefix)),
key=lambda label: result[label][0],
# Strip the doc label prefix here
)[len(doc_label_scores_prefix):]
print("输入句子的情感为：%s" % best_doc_label)我们看看效果：
python main.py "$CONFIG" model.c2 "超级喜欢蒙牛这个味 道"python main.py "$CONFIG" model.c2 "这是什么商品啊！太 差了吧？"
3 总结
我们上面过程可以看到，pytext加速了模型从训练到落地的速度，省去了很多繁琐的工程。不过，我们上面的例子模型需要有待提高，需要研究下自定义模型和词向量使用，提高分类效果。
本文参与 腾讯云自媒体分享计划，分享自作者个人站点/博客。
原始发表：2018.12.22 ，如有侵权请联系 cloudcommunity@tencent.com 删除
评论
登录后参与评论
推荐阅读
目录