• 基于TensorLayer的NLP算法
• • 文本分类
  • 运行环境
  • 使用
  • 实验
  • • 任务
    • 数据集
    • 模型对比

基于TensorLayer的NLP算法

文本分类

目前基于TensorLayer接口已实现基于RNN、LSTM、GRU、TransformerEncoder等网络结构的文本分类算法。

运行环境

• TensorLayer3
• Backend：TensorLayer运行所需的后端，如TensorFlow、Pytorch、Paddle
• TensorLayer使用手册

使用

• 模型训练

python text_classification_tl.py --run_mode train --network rnn --epochs=2 --model_path model_rnn.npz
python text_classification_tl.py --run_mode train --network lstm --epochs=2 --model_path model_lstm.npz
python text_classification_tl.py --run_mode train --network gru --epochs=2 --model_path model_gru.npz
python text_classification_tl.py --run_mode train --network transformerEncoder --epochs=2 --model_path model_transEnc.npz

• 模型评估

python text_classification_tl.py --run_mode eval --network rnn --model_path model_rnn.npz
python text_classification_tl.py --run_mode eval --network lstm --model_path model_lstm.npz
python text_classification_tl.py --run_mode eval --network gru --model_path model_gru.npz
python text_classification_tl.py --run_mode eval --network transformerEncoder --model_path model_transEnc.npz

实验

任务

情感分析

数据集

IMDB

标签	样本数
0	12500
1	12500

随机抽取20%的数据作为测试集，剩余80%的数据为训练集

• 在项目中的存放路径为：data/imdb/imdb.pkl
  下载

模型对比

模型	精确率
RNN	0.8544
LSTM	0.8534
GRU	0.8548
TransformerEncoder	0.8586