如何使用卷积神经网络（python）构建深度学习文本分类器答案

【问题标题】：How to build a deep learning text classifier using convolutional neural networks (python)如何使用卷积神经网络（python）构建深度学习文本分类器
【发布时间】：2020-06-16 09:26:48
【问题描述】：

我需要采取哪些步骤来构建深度学习文本分类器，更具体地说，是在一组未标记文本中识别作者（作者归属）的文本分类器？我正在研究使用的模型是单词-单词 CNN（卷积神经网络），它已被证明在文本分类等方面非常成功。我正在寻找在 python 中构建这个模型。

我是深度学习的新手，因此感谢任何资源和信息。

【问题讨论】：

标签： python-3.x deep-learning neural-network conv-neural-network text-classification

【解决方案1】：

一个端到端的示例演示如何使用Text Classification 使用Tensorflow.Keras 使用Convolutional Neural Networks，如下所示：

from tensorflow.keras.models import Sequential
from tensorflow.keras import layers
from tensorflow.keras.optimizers import RMSprop
from tensorflow.keras.datasets import imdb
from tensorflow.keras.preprocessing import sequence
max_features = 10000
max_len = 500
print('Loading data...')
(x_train, y_train), (x_test, y_test) = imdb.load_data(num_words=max_features)
print(len(x_train), 'train sequences')
print(len(x_test), 'test sequences')
print('Pad sequences (samples x time)')
x_train = sequence.pad_sequences(x_train, maxlen=max_len)
x_test = sequence.pad_sequences(x_test, maxlen=max_len)
print('x_train shape:', x_train.shape)
print('x_test shape:', x_test.shape)

model = Sequential()
model.add(layers.Embedding(max_features, 128, input_length=max_len))
model.add(layers.Conv1D(32, 7, activation='relu'))
model.add(layers.MaxPooling1D(5))
model.add(layers.Conv1D(32, 7, activation='relu'))
model.add(layers.GlobalMaxPooling1D())
model.add(layers.Dense(1))
model.summary()
model.compile(optimizer=RMSprop(lr=1e-4),
loss='binary_crossentropy',
metrics=['acc'])
history = model.fit(x_train,y_train,epochs=10,batch_size=128,validation_split=0.2)

更多信息请参考Keras之父Francois Chollet所著Deep Learning Using Python一书中Section 6.4 Sequence processing with convnets。

希望这会有所帮助。快乐学习！

【讨论】：