Python 创建一个模型来对一个句子进行逻辑或非逻辑分类
正如标题所提到的,我如何训练一个模型来分类下列句子是合乎逻辑的还是不合逻辑的 “他有两条腿”——合乎逻辑 “他有六条腿”——不合逻辑 我尝试过的解决方案: 1:通过cnn训练分类器 我以前做过,如果你有足够的数据,效果会很好。问题是我并没有一个巨大的数据集,这个数据集带有“逻辑”或“不合逻辑”的标签 2:使用语言模型 在一些数据集(如wiki)上训练gluonnlp引入的语言模型,使用它来找出句子的概率。如果句子的概率很高,则标记为符合逻辑,反之亦然。问题是结果不好 我估计概率的方法Python 创建一个模型来对一个句子进行逻辑或非逻辑分类,python,deep-learning,nlp,mxnet,Python,Deep Learning,Nlp,Mxnet,正如标题所提到的,我如何训练一个模型来分类下列句子是合乎逻辑的还是不合逻辑的 “他有两条腿”——合乎逻辑 “他有六条腿”——不合逻辑 我尝试过的解决方案: 1:通过cnn训练分类器 我以前做过,如果你有足够的数据,效果会很好。问题是我并没有一个巨大的数据集,这个数据集带有“逻辑”或“不合逻辑”的标签 2:使用语言模型 在一些数据集(如wiki)上训练gluonnlp引入的语言模型,使用它来找出句子的概率。如果句子的概率很高,则标记为符合逻辑,反之亦然。问题是结果不好 我估计概率的方法 def _
def __predict(self):
lines = self.__text_edit_input.toPlainText().split("\n")
result = ""
for line in lines:
result += str(self.__sentence_prob(line, 10)) + "\n"
self.__text_edit_output.setPlainText(result)
def __prepare_sentence(self, text, max_len):
result = mx.nd.zeros([max_len, 1], dtype='float32')
max_len = min(len(text), max_len)
i = max(max_len - len(text), 0)
j = 0
for index in range(i, max_len):
result[index][0] = self.__vocab[text[j]]
j = j + 1
return result
def __sentence_prob(self, text, max_len):
hiddens = self.__model.begin_state(1, func=mx.nd.zeros, ctx=self.__context)
tokens = self.__tokenizer(text)
data = self.__prepare_sentence(tokens, max_len)
output, _ = self.__model(data, hiddens)
prob = 0
for i in range(max_len):
total_prob = mx.nd.softmax(output[i][0])
prob += total_prob[self.__vocab[i]].asscalar()
return prob / max_len
语言模型可能存在的问题:
1. Do not use correct way to split the sentences(I am using jieba to split the Chinese senteces)
2. Number of vocab is too small/big(test 10000, 15000 and 30000)
3. Loss too high(ppl around 190) after 50 epochs?
4. Number of sentences length should be larger/smaller(tried 10,20,35)
5. The data I use do not meet my requirements(not every sentences are logical)
6. Language model is not appropriate for this task?
有什么建议吗?谢谢第6期。语言模型不适合此任务?是主要问题。建立语言模型是为了理解输入文本的语言用法(语法、语义等),而不是得出逻辑结论。因此,即使使用大量数据或非常深入的模型,也可能无法获得良好的结果。 你试图解决的问题非常难。你可能想看看的是。这一地区有很多人