Clasificarea sentimentelor revizuită

Rețele Neuronale Recurente (RNN) pentru Modelare a Limbajului cu Keras

David Cecchini

Data Scientist

Rezultate anterioare

Modelul inițial a dat rezultate slabe.

model = Sequential()
model.add(SimpleRNN(units=16, input_shape=(None, 1)))
model.add(Dense(1, activation='sigmoid'))
model.compile(loss='binary_crossentropy', optimizer='sgd', metrics=['accuracy'])

model.evaluate(x_test, y_test)

$[0.6991182165145874, 0.495]

Îmbunătățirea modelului

Pentru a îmbunătăți performanța modelului, putem:

Adăuga stratul de embedding
Crește numărul de straturi
Ajusta parametrii
Mări dimensiunea vocabularului
Accepta propoziții mai lungi cu mai multe celule de memorie

Evitarea overfitting-ului

Modelele RNN pot face overfitting

Testați diferite dimensiuni ale batch-ului.
Adăugați straturi Dropout.
Adăugați parametrii dropout și recurrent_dropout pe straturile RNN.

# removes 20% of input to add noise
model.add(Dropout(rate=0.2))

# Removes 10% of input and memory cells respectively
model.add(LSTM(128, dropout=0.1, recurrent_dropout=0.1))

Extra: Stratul de convoluție

Nu este acoperit în curs:

model.add(Embedding(vocabulary_size, wordvec_dim, ...))
model.add(Conv1D(num_filters=32, kernel_size=3, padding='same'))
model.add(MaxPooling1D(pool_size=2))

Stratul de convoluție realizează selecția caracteristicilor din vectorul de embedding
Obține rezultate de top în multe probleme NLP

Exemplu de model

model = Sequential()
model.add(Embedding(  vocabulary_size, wordvec_dim, trainable=True,
                      embeddings_initializer=Constant(glove_matrix), 
                      input_length=max_text_len, name="Embedding"))

model.add(Dense(wordvec_dim, activation='relu', name="Dense1"))

model.add(Dropout(rate=0.25))
model.add(LSTM(64, return_sequences=True, dropout=0.15, name="LSTM"))

model.add(GRU(64, return_sequences=False, dropout=0.15, name="GRU"))

model.add(Dense(64, name="Dense2"))
model.add(Dropout(rate=0.25))
model.add(Dense(32, name="Dense3"))

model.add(Dense(1, activation='sigmoid', name="Output"))

Să exersăm!

Rețele Neuronale Recurente (RNN) pentru Modelare a Limbajului cu Keras