649453932/Chinese-Text-Classification-Pytorch

This is stars and forks stats for /649453932/Chinese-Text-Classification-Pytorch repository. As of 03 May, 2024 this repository has 4645 stars and 1165 forks.

Chinese-Text-Classification-Pytorch 中文文本分类，TextCNN，TextRNN，FastText，TextRCNN，BiLSTM_Attention, DPCNN, Transformer, 基于pytorch，开箱即用。 介绍 模型介绍、数据流动过程：我的博客 数据以字为单位输入模型，预训练词向量使用 搜狗新闻 Word+Character 300d，点这里下载 环境 python 3.7 pytorch 1.1 tqdm sklearn tensorboardX 中文数据集 我从THUCNews中抽取了20万条新闻标题，已上传至github，文本长度在20到30之间。一共10个类别，每类2万条。 类别：财经、房产、股票、教育、科技、社会、时政、体育、游戏、娱乐。 数据集划分： 数据集 数据量 训练集 18万 验证集 1万 测试集 1万 更换自己的数据集 如果用字，按照我数据集的格式来格式化你的数据。 如果用词，提前分好词，词之间用空格隔开，python run.py --model TextCNN --word True 使用预训练词向量：utils.py的main函数可以提取词表对应的预训练词向量。 效果 模型 acc 备注 TextCNN 91.22% Kim 2014 经典的CNN文本分类 TextRNN 91.12% BiLSTM TextRNN_Att 90.90% BiLSTM+Attention TextRCNN 91.54% BiLSTM+池化 FastText 92.23% bow+bigram+trigram， 效果出奇的好 DPCNN 91.25% 深层金字塔CNN Transformer 89.91% 效果较差 bert 94.83% bert + fc ERNIE 94.61% 比bert略差(说好的中文碾压bert呢) bert和ERNIE模型代码我放到另外一个仓库了，传送门：Bert-Chinese-Text-Classification-Pytorch，后续还会搞一些bert之后的东西，欢迎star。 使用说明 # 训练并测试： # TextCNN python run.py --model TextCNN # TextRNN python run.py --model TextRNN # TextRNN_Att python run.py --model TextRNN_Att # TextRCNN python run.py --model TextRCNN # FastText, embedding层是随机初始化的 python run.py --model FastText --embedding random # DPCNN python run.py --model DPCNN # Transformer python run.py --model Transformer 参数 模型都在models目录下，超参定义和模型定义在同一文件中。 对应论文 [1] Convolutional Neural Networks for Sentence Classification [2] Recurrent Neural Network for Text Classification with Multi-Task Learning [3] Attention-Based Bidirectional Long Short-Term Memory Networks for Relation Classification [4] Recurrent Convolutional Neural Networks for Text Classification [5] Bag of Tricks for Efficient Text Classification [6] Deep Pyramid Convolutional Neural Networks for Text Categorization [7] Attention Is All You Need