Класифікація тональності: повторимо

Recurrent Neural Networks (RNNs) для моделювання мови з Keras

David Cecchini

Data Scientist

Попередні результати

Початкова модель дала слабкі результати.

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]

Як поліпшити модель

Щоб поліпшити модель, можна:

Додати шар embedding
Збільшити кількість шарів
Підібрати параметри
Розширити словник
Приймати довші речення, додавши більше комірок пам'яті

Як уникати перенавчання

RNN-моделі можуть перенавчатися

Перевіряйте різні розміри пакетів.
Додайте шари Dropout.
Додайте параметри dropout і recurrent_dropout у RNN-шарах.

# видаляє 20% вхідних даних, щоб додати шум
model.add(Dropout(rate=0.2))

# відповідно видаляє 10% вхідних даних і комірок пам'яті
model.add(LSTM(128, dropout=0.1, recurrent_dropout=0.1))

Додатково: згортковий шар

Поза межами цього розділу:

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

Згортковий шар виконує відбір ознак у векторі embedding
Дає найкращі результати в багатьох задачах NLP

Приклад моделі

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"))

Давайте потренуємось!

Recurrent Neural Networks (RNNs) для моделювання мови з Keras