【自然语言处理】基于双向LSTM(Bi-LSTM)文本分类的Tensorflow实现

向右看齐 2022-03-28 09:52 393阅读 0赞

# 前言 #

Github：[Github下载地址][Github]  
RNN在自然语言处理的文本处理上取得了很大的成功。  
双向LSTM可以捕获上下文的内容，从而使得分类效果更佳。  
在本文的这次分类中，本文使用了IMDB电影评价的数据集，最终的模型可以将正面情感和负面情感通过双向LSTM给分类出来。

# 实现 #

这次的主要的类是我们的Detection。  
这里只贴部分代码进行诠释，更多代码请访问[Github][]  
首先定义超参数大小，比如有词典大小，批次的大小，词向量的维度，隐层点，最大句子长度（我们的数据集小于最大长度的进行补0），输出类别数（正面负面），保存节点数（dropout，防止节点太多过拟合）

self.num_emb = vocab_size  # vocab size
    self.batch_size = batch_size  # batch size
    self.emb_dim = emb_dim  # dimision of embedding
    self.hidden_dim = hidden_dim  # hidden size
    self.sequence_length = sequence_length  # sequence length
    self.output_dim = 2
    self.output_keep_prob = output_keep_prob #to prevent overfit

定义占用符，其中self.x是句子，self.targets是类别标签，两个维度，\[0, 1\]代表是正类，\[1, 0\]代表是负类。  
并且定义词向量。

with tf.variable_scope("placeholder"):
                self.x = tf.placeholder(shape=[self.batch_size, self.sequence_length], dtype=tf.int32)
                self.targets = tf.placeholder(shape=[self.batch_size, self.output_dim], dtype=tf.int64)
            with tf.variable_scope("embedding"):
                self.g_embeddings = tf.Variable(tf.random_uniform([self.num_emb, self.emb_dim], -1.0, 1.0), name="W_text")
                self.inputs= tf.nn.embedding_lookup(self.g_embeddings, self.x)  # seq_length x batch_size x emb_dim

定义两个lstm，一个是输入的是句子(A, B, C)，一个把输入的颠倒的句子(C, B, A)。

with tf.variable_scope("rnn"):
                cell_bw = tf.contrib.rnn.BasicLSTMCell(self.hidden_dim, state_is_tuple=False)  # single lstm unit
                cell_bw = tf.contrib.rnn.DropoutWrapper(cell_bw, output_keep_prob=self.output_keep_prob)
                cell_fw = tf.contrib.rnn.BasicLSTMCell(self.hidden_dim, state_is_tuple=False)  # single lstm unit
                cell_fw = tf.contrib.rnn.DropoutWrapper(cell_fw, output_keep_prob=self.output_keep_prob)

使用bidirectional\_dynamic\_rnn将会返回两个lstm的结果，并用一个元组保存(\[batch\_size, seq\_length, cell\_fw.output\_size\],\[batch\_size, seq\_length, cell\_bw.output\_size\])，从上可以看出总共有\[2, batch\_size, seq\_length, output\_size\]的大小，在此先转成\[2 \* batch\_size, seq\_length, output\_size\]大小。  
接下来在此我将各个step（step就是句子在生成每个词时算一步）的隐含层输出进行求和取平均得到\[batch\_size，output\_size\]的矩阵，并且最后使用全连接层在经过softmax输出结果。

with tf.variable_scope("output"):
                self.outputs, self.states = tf.nn.bidirectional_dynamic_rnn(cell_bw, cell_fw, self.inputs, dtype=tf.float32) #[2, batch_size, seq_length, output_size]
                self.outputs = tf.reshape(self.outputs, shape=[-1, seq_length, output_size]) #[2 * batch_size, seq_length, cell.output_size]
                self.outputs = tf.transpose(self.outputs, perm=[1, 0, 2])  # [seq_length, batch_size，output_size]
                self.outputs = tf.reduce_mean(self.outputs, 0) # [batch_size，output_size]
                self.outputs = self.outputs[:self.batch_size] + self.outputs[self.batch_size:]
                self.logits = tf.layers.dense(self.outputs, self.output_dim, name="logits")
                self.prob = tf.nn.softmax(self.logits, name="softmax_output")

最后部分我们采用了交叉熵作为损失函数，并使用Adam优化器进行训练。

with tf.variable_scope("train"):
                self.loss = tf.reduce_mean(tf.nn.softmax_cross_entropy_with_logits(labels=self.targets, logits=self.logits))
                tvars = tf.trainable_variables()
                max_grad_norm = 5
                # We clip the gradients to prevent explosion
                grads, _ = tf.clip_by_global_norm(tf.gradients(self.loss, tvars), max_grad_norm)
                gradients = list(zip(grads, tvars))
                self.train_op = tf.train.AdamOptimizer(0.005).apply_gradients(gradients)

[Github]: https://github.com/FlameCharmander/Tensorflow/blob/master/implementation_2_text_classification.ipynb