R语言用Keras长短期记忆LSTM神经网络分类分析问答文本数据

2022-06-02 16:30 作者:拓端tecdat 0人读过 | 我要投稿

原文链接：http://tecdat.cn/?p=26709

原文出处：拓端数据部落公众号

介绍

本文是在 R 中使用 Keras 的LSTM神经网络分类简单介绍。

软件包

library(tidyverse) #导入、清理、可视化
library(keras) # 用keras进行深度学习
library(data.table) # 快速读取csv数据

导入

让我们看一下数据

tst %>% head()

初步查看

让我们考虑几个用户可能提出的“不真诚”问题的例子

trn %>% filter(tart == 1) %>% sme_n(5)

我可以理解为什么这些问题被认为是“不真诚的”：它们不是在寻求真正的答案，而是倾向于将提问者的信念陈述为事实，或者试图故意挑衅。想知道我们的模型会怎么样？

标记化

让我们从标记句子开始。

# 设置一些参数
mx_s <- 15000 # 考虑作为特征的最大词数
mxen <- 64 # 在n个词之后的文本截断
# 准备对文本进行标记
ful <- rbind(tin %>% select(qon_t), test %>% select(quin_ext))
tts <- full$qesio_tx
toer <- text_tokenizer(nu_ors = m_wods) %>% >。
fi_txt_ner(txt
# 符号化 - 即把文本转换成整数序列
seqnces <- tts_tseecs(toenze, txts)
rd_idex <- toker$wordiex
# 垫出文本，使所有内容都是相同的长度
daa = pad_sques(quecs, maxlen = aln)

数据拆分

# 分割回训练和测试
tri_mrx = data[1:nrow(tan),] # 分割回训练和测试。
ttmix = da[(nrow(ran)+1):nrow(at),] # 准备训练标签。
# 准备好训练标签
laes = trin$trgt
# 准备一个验证集
set.seed(1337)
traingsales = nrow(trinix)*0.90
inie = sample(1:nrow(tra_trix))
trining_idies = indices[1:training_samples] 。
valdaton_inces = indices[(ranng_sples + 1): (trningmes + vliiopls)] 。
xtrin = tainmax[trinig_dces,] 。
y_an = labels[ainginies]
x_vl = traimarix[valito_inces,] y_val = labels[traginces]。
y_al = labels[vlitnidies]。
# 训练维度
dim(x_ran)
table(y_tan)

这里非常严重的不平衡，我们需要稍后解决这个问题。

嵌入

我们的第一个模型将基于一个提供的词嵌入。我们从较小的嵌入文件开始。

lis <- readLines('1M.vec')
fsti_emedisndx = nw.ev(hash = TRUE, parent = eptev())
ies <- lns[2:legt(lie)]
b <- tPrgssBr(min = 0, max = lenth(lns), style = 3)
for (i in 1:length(les)){
vaus <- strsplit(le, " ")[[1]]
wd<- vaus[[1]]
fsiemgndx[[word]] = as.double(vaes[-1])
etxPressar(pb, i)
}
# 创建我们的嵌入矩阵
faikimbddngim = 300
fawkiebiix = array(0, c(mx_ords, faii_mdig_m))
for (wrd in names(wrddex)){
idx <- wr_dx[[od]]
if (nex < ma_ds){
faiki_embdg_vctor =astwkedgdex[[word]]
if (!is.null(fasiembddigveor))
fatwki_bednrix[iex+1,] <- faswiiedin_vor # 没有嵌入的词都是零
}

模型架构

我们从一个简单的 LSTM 开始，顶层有一个用于预测的密集层。

# 设置输入
inpt <- layput(
shape = list(NULL),
# 模型层
embding <- input %>%
layeing(input_dim = maords, output_dim = fasing_dim, name = "embedding")
lstm <- eming %>%
layer_lstm(units = maxn,drout = 0.25, recudroput = 0.25, reseques = FALSE, name = "lstm")
dese <- lstm %>%
ladese(units = 128, actin = "rlu", name = "dese")
# 把模型集中起来
mol <- kmoel(input, preds)
# 最初冻结嵌入权重，以防止更新的权重回传，破坏我们的嵌入。
getlar(ml, name = "embedding") %>%
sehts(list(fasatrix)) %>%
frehts()
# 编译
print(model)

模型训练

保持对初始基准模型的快速训练。

# 训练模型
history <- model %>% fit(
x_train,
y_train,
# 看看训练结果
print(hisy)

模型可以很容易地通过微调来改进：只需嵌入层并再训练模型几个 epoch，注意不要过度拟合。

最受欢迎的见解

1.用于NLP的Python：使用Keras的多标签文本LSTM神经网络分类

2.Python中利用长短期记忆模型LSTM进行时间序列预测分析 – 预测电力消耗数据

3.python在Keras中使用LSTM解决序列问题

4.Python中用PyTorch机器学习分类预测银行客户流失模型

5.R语言多元Copula GARCH 模型时间序列预测

6.在r语言中使用GAM（广义相加模型）进行电力负荷时间序列分析

7.R语言中ARMA，ARIMA（Box-Jenkins），SARIMA和ARIMAX模型用于预测时间序列数

8.R语言估计时变VAR模型时间序列的实证研究分析案例

9.用广义加性模型GAM进行时间序列分析

标签：