Sto cercando di capire come usare LSTM per classificare un certo set di dati che ho.Keras - Classificazione testo - LSTM - Come inserire il testo?
ho ricercato e trovato questo esempio di keras e imdb: https://github.com/fchollet/keras/blob/master/examples/imdb_lstm.py
Tuttavia, im confusi su come il set di dati deve essere trattato per ingresso.
So che keras ha metodi di pre-elaborazione del testo, ma non sono sicuro di quale usare.
La x contiene n righe con testo e la y classifica il testo per felicità/tristezza. Fondamentalmente, 1.0 significa 100% felice e 0.0 significa totalmente triste. i numeri possono variare, ad esempio 0,25 ~~ e così via.
Quindi la mia domanda è: come inserisco correttamente xey? Devo usare un sacco di parole? Qualsiasi consiglio è apprezzato!
ho codificato questo qui di seguito, ma continuo a ricevere lo stesso errore #('Bad input argument to theano function with name ... at index 1(0-based)', 'could not convert string to float: negative')
import keras.preprocessing.text
import numpy as np
np.random.seed(1337) # for reproducibility
from keras.preprocessing import sequence
from keras.models import Sequential
from keras.layers.core import Dense, Activation
from keras.layers.embeddings import Embedding
from keras.layers.recurrent import LSTM
print('Loading data...')
import pandas
thedata = pandas.read_csv("dataset/text.csv", sep=', ', delimiter=',', header='infer', names=None)
x = thedata['text']
y = thedata['sentiment']
x = x.iloc[:].values
y = y.iloc[:].values
###################################
tk = keras.preprocessing.text.Tokenizer(nb_words=2000, filters=keras.preprocessing.text.base_filter(), lower=True, split=" ")
tk.fit_on_texts(x)
x = tk.texts_to_sequences(x)
###################################
max_len = 80
print "max_len ", max_len
print('Pad sequences (samples x time)')
x = sequence.pad_sequences(x, maxlen=max_len)
#########################
max_features = 20000
model = Sequential()
print('Build model...')
model = Sequential()
model.add(Embedding(max_features, 128, input_length=max_len, dropout=0.2))
model.add(LSTM(128, dropout_W=0.2, dropout_U=0.2))
model.add(Dense(1))
model.add(Activation('sigmoid'))
model.compile(loss='binary_crossentropy', optimizer='rmsprop')
model.fit(x, y=y, batch_size=200, nb_epoch=1, verbose=1, validation_split=0.2, show_accuracy=True, shuffle=True)
# at index 1(0-based)', 'could not convert string to float: negative')
Si sta utilizzando un parser CSV per leggere il testo dentro. Il set di dati/text.csv è impostato come Frase, Sentimento? Altrimenti, dovrai farlo o ripensare a come analizzare i due componenti dalla struttura che hai. –
Eri corretto! Era il modo in cui stavo caricando le etichette! – KenobiShan
Aggiungi una risposta lo metterò come corretto! – KenobiShan