文本分类-PyTorch

描述

该仓库包含了在 PyTorch 深度学习框架中实现的多种文本分类模型，如 RNN、LSTM、注意力机制、CNN 等，并为每种模型提供了详细的文档说明。

文本分类是自然语言处理中最基础且最重要的任务之一。在这个仓库中，我专注于一种特定的文本分类任务——情感分析。截至目前，我已经在该仓库中实现了以下六种不同的模型：

• RNN
• LSTM
• LSTM + 注意力机制
• 自注意力机制
• CNN
• RCNN

需求

• Python==3.6.6
• PyTorch==0.4.0
• torchtext==0.2.3

下载与设置

克隆本仓库后，运行 main.py 文件以处理数据集并训练模型。

$ python main.py

参考文献

• 结构化自注意力句子嵌入：论文
• 用于句子分类的卷积神经网络：论文
• 用于文本分类的循环卷积神经网络：论文

许可证

MIT

Text-Classification-Pytorch 快速上手指南

本指南帮助开发者快速部署并运行基于 PyTorch 的文本分类（情感分析）模型，涵盖 RNN、LSTM、Attention、CNN 及 RCNN 等多种架构。

环境准备

在开始之前，请确保您的开发环境满足以下版本要求。由于项目依赖较旧版本的库，建议创建独立的虚拟环境以避免冲突。

• 操作系统：Linux / macOS / Windows
• Python: 3.6.6
• PyTorch: 0.4.0
• torchtext: 0.2.3

注意：该项目依赖较老版本的 PyTorch (0.4.0)，若在现代环境中运行遇到兼容性问题，可能需要调整代码或寻找适配新版本的分支。

安装步骤

1. 克隆仓库 首先将项目代码克隆到本地：

   git clone <repository_url>
   cd Text-Classification-Pytorch
   

2. 安装依赖 推荐使用国内镜像源加速 pip 安装过程。请创建 requirements.txt 文件或直接运行以下命令安装指定版本的依赖：

   pip install -i https://pypi.tuna.tsinghua.edu.cn/simple torch==0.4.0 torchtext==0.2.3
   

   注：如果上述命令无法直接指定版本，请手动创建一个 requirements.txt 内容如下：

   torch==0.4.0
   torchtext==0.2.3
   

   然后执行：

   pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple
   

基本使用

项目已封装好数据处理与模型训练流程。完成环境配置后，只需运行主脚本即可自动下载数据集（如需）、预处理数据并开始训练默认模型。

启动训练：

$ python main.py

运行后，程序将加载情感分析数据集，并使用默认配置的模型（如 LSTM 或 CNN，具体视代码默认设置而定）开始训练过程。您可以在 main.py 中修改参数以切换不同的模型架构（RNN, LSTM+Attention, Self Attention, RCNN 等）。