Свёрточные нейронные сети для классификации текста

Глубокое обучение для работы с текстом на PyTorch

Shubham Jain

Instructor

CNN для классификации текста

Классификация твитов как
- Позитивные
- Негативные
- Нейтральные

Операция свёртки

Операция свёртки
- Скользящий фильтр (ядро) по входным данным
- Для каждой позиции фильтра — поэлементные вычисления

Для текста: извлекает структуру и смысл слов

¹ Анимация: Vincent Dumoulin, Francesco Visin

Фильтр и шаг в CNN

Фильтр:
- Небольшая матрица, скользящая по входным данным

Шаг (stride):
- Количество позиций, на которые сдвигается фильтр

Фильтр и шаг

¹ Анимация: Vincent Dumoulin, Francesco Visin

Архитектура CNN для текста

Свёрточный слой: применяет фильтры к входным данным
Слой пулинга: уменьшает размер данных, сохраняя важную информацию
Полносвязный слой: формирует итоговые предсказания на основе выхода предыдущего слоя

Реализация модели классификации текста на основе CNN

class SentimentAnalysisCNN(nn.Module):

    def __init__(self, vocab_size, embed_dim):

        super().__init__()

        self.embedding = nn.Embedding(vocab_size, 
                                         embed_dim)

        self.conv = nn.Conv1d(embed_dim, embed_dim, 
                               kernel_size=3, stride=1, 
                               padding=1)

        self.fc =  nn.Linear(embed_dim, 2)
    ...

Метод __init__ задаёт архитектуру
super() инициализирует базовый класс nn.Module
nn.Embedding создаёт плотные векторные представления слов
nn.Conv1d — для одномерных данных

Реализация модели классификации текста на основе CNN

    ...
    def forward(self, text):
        embedded = self.embedding(text).permute(0, 2, 1)

        conved = F.relu(self.conv(embedded))

        conved = conved.mean(dim=2)

        return self.fc(conved)

Слой эмбеддинга преобразует текст в векторное представление
Приводим тензоры к формату, ожидаемому свёрточным слоем
Извлекаем важные признаки с помощью ReLU
Убираем лишние измерения

Подготовка данных для модели анализа тональности

vocab = ["i", "love", "this", "book", "do", "not", "like"]
word_to_idx = {word: i for i, word in enumerate(vocab)}

vocab_size = len(word_to_ix)

embed_dim = 10

book_samples = [
    ("The story was captivating and kept me hooked until the end.".split(),1),
    ("I found the characters shallow and the plot predictable.".split(),0)
]

model = SentimentAnalysisCNN(vocab_size, embed_dim)
criterion = nn.CrossEntropyLoss()
optimizer = optim.SGD(model.parameters(), lr=0.1)

Обучение модели

for epoch in range(10):  
    for sentence, label in data:

        model.zero_grad()

        sentence = torch.LongTensor([word_to_idx.get(w, 0) for w in sentence]).unsqueeze(0)

        outputs = model(sentence)
        label = torch.LongTensor([int(label)])

        loss = criterion(outputs, label)
        loss.backward()

        optimizer.step()

Запуск модели анализа тональности

for sample in book_samples:

    input_tensor = torch.tensor([word_to_idx[w] for w in sample], dtype=torch.long).unsqueeze(0)

    outputs = model(input_tensor)

    _, predicted_label = torch.max(outputs.data, 1)

    sentiment = "Positive" if predicted_label.item() == 1 else "Negative"

    print(f"Book Review: {' '.join(sample)}")
    print(f"Sentiment: {sentiment}\n")

Book Review: The story was captivating and kept me hooked until the end
Sentiment: Positive
Book Review: I found the characters shallow and the plot predictable
Sentiment: Negative

Давайте потренируемся!

Глубокое обучение для работы с текстом на PyTorch