Pytext實戰-構建一個文本分類器有多快

1 數據集準備

數據集包括兩個文件： train.tsv和 test.tsv，內容是從網上搜集的情感文本數據，簡單地通過分詞後用空格拼接起來。訓練集和測試集各有10000條數據

2 構建文本分類器

Pytext框架包括了Task, Trainer, Model, DataHandler, Exporter 組件，分別對應了任務切換、模型訓練、模型結構、數據處理、模型導出的做用，它們都繼承自名Component的類

(圖片來自: pytext-pytext.readthedocs-hosted.com/en/latest/o…

Component能夠讀取JSON類型的配置文件，配置文件能夠設置訓練過程當中使用的輸入和學習率等參數。按照官方文本分類教程，咱們幾乎能夠不須要實現模型，輸入，輸出等代碼，只須要準備好數據集便可。

docnn.json的內容以下：

{
  "task": {
    "DocClassificationTask": {
      "data_handler": {
        "train_path": "train.tsv",
        "eval_path": "test.tsv",
        "test_path": "test.tsv"
      }
    }
  }
}
複製代碼

• 步驟1 訓練模型：

pytext train < docnn.json 
複製代碼

通過3-4分鐘後，10 epoch訓練完畢，在沒有使用詞向量以及直接使用默認設置，在測試集的預測效果以下，

• 步驟2 導出模型

CONFIG=docnn.json 
pytext export --output-path model.c2 < "$CONFIG"
複製代碼

在桌面上咱們能夠看到導出的模型 model.c2

• 步驟3 模型預測 參考意圖識別的例子，我寫了下面的測試代碼

# !/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("輸入句子的情感爲：%s" % best_doc_label)

複製代碼

咱們看看效果：

python main.py "$CONFIG" model.c2 "超級喜歡蒙牛這個味 道"
複製代碼

python main.py "$CONFIG" model.c2 "這是什麼商品啊！太 差了吧？"
複製代碼

3 總結

咱們上面過程能夠看到，pytext加速了模型從訓練到落地的速度，省去了不少繁瑣的工程。不過，咱們上面的例子模型須要有待提升，須要研究下自定義模型和詞向量使用，提升分類效果。