python对文本内容的标签分类_Keras-TextClassification - 中文长文本分类、短句子分类、多标签分类，字词句向量嵌入层和网络层构建基类...

Install(安装)

pip install Keras-TextClassification

step2: download and unzip the dir of 'data.rar', 地址: https://pan.baidu.com/s/1I3vydhmFEQ9nuPG2fDou8Q 提取码: rket

cover the dir of data to anaconda, like '/anaconda/3.5.1/envs/tensorflow13/Lib/site-packages/keras_textclassification/data'

step3: goto # Train&Usage(调用) and Predict&Usage(调用)

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

- Electra-fineture(todo)

- Albert-fineture

- Xlnet-fineture

- Bert-fineture

- FastText

- TextCNN

- charCNN

- TextRNN

- TextRCNN

- TextDCNN

- TextDPCNN

- TextVDCNN

- TextCRNN

- DeepMoji

- SelfAttention

- HAN

- CapsuleNet

- Transformer-encode

- SWEM

- LEAM

- TextGCN(todo)

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(多标签分类/Embedding/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_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

- sentence_similarity/目录下以bert为例进行两个句子文本相似度计算,数据格式如data/sim_webank/目录下所示

- predict_bert_text_cnn.py

- tet_char_bert_embedding.py

- tet_char_bert_embedding.py

- tet_char_xlnet_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,

keras-bert还可以加载百度版ernie(需转换，[https://github.com/ArthurRizar/tensorflow_ernie](https://github.com/ArthurRizar/tensorflow_ernie)),

哈工大版bert-wwm(tf框架，[https://github.com/ymcui/Chinese-BERT-wwm](https://github.com/ymcui/Chinese-BERT-wwm))

- albert_base_zh/(brightmart训练的albert, 地址为https://github.com/brightmart/albert_zh)

- chinese_xlnet_mid_L-24_H-768_A-12/(哈工大预训练的中文xlnet模型[https://github.com/ymcui/Chinese-PreTrained-XLNet],24层)

- 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

- fast_text/预训练模型存放地址

项目说明

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

keras_layers存放一些常用的layer, conf存放项目数据、模型的地址, data存放数据和语料, data_preprocess为数据预处理模块,

模型与论文paper题与地址

参考/感谢

训练简单调用:

from keras_textclassification import train

train(graph='TextCNN', # 必填, 算法名, 可选"ALBERT","BERT","XLNET","FASTTEXT","TEXTCNN","CHARCNN",

# "TEXTRNN","RCNN","DCNN","DPCNN","VDCNN","CRNN","DEEPMOJI",

# "SELFATTENTION", "HAN","CAPSULE","TRANSFORMER"

label=17, # 必填, 类别数, 训练集和测试集合必须一样

path_train_data=None, # 必填, 训练数据文件, csv格式, 必须含'label,ques'头文件, 详见keras_textclassification/data

path_dev_data=None, # 必填, 测试数据文件, csv格式, 必须含'label,ques'头文件, 详见keras_textclassification/data

rate=1, # 可填, 训练数据选取比例

hyper_parameters=None) # 可填, json格式, 超参数, 默认embedding为'char','random'

*希望对你有所帮助!