实验23 文本分类.pptxVIP

下载本文档

0
0
约1.37千字
约 16页
2025-10-13 发布于四川
举报
版权申诉

实验23 文本分类.pptx

1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

文本分类实验二十三

课程学习目标了解文本分类概念。熟悉文本分分类任务相关应用。掌握基于预训练模型的文本分类方法。

文本分类简述文本分类（TextClassification），也称为自动文本分类（AutomaticTextCategorization），是自然语言处理领域一个核心问题。它涉及将载有信息的文本映射到预先定义的一个或多个类别或主题。二分类问题：将文本划分为两个互斥的类别（例如垃圾邮件vs非垃圾邮件）多分类问题：涉及多个类别（例如新闻分类）。

文本分类的任务

文本分类的方法基于规则的文本分类方法基于机器学习的文本分类方法基于深度学习的文本分类方法基于预训练模型的文本分类方法

文本分类的方法近年来，预训练模型在文本分类中取得了显著的成就，GPT、BERT等模型：这些模型在大量的文本数据上进行预训练，以学习语言的通用表示，然后可以在特定任务上进行微调。这种方法的优势在于它利用了大规模数据集的学习，大幅度提高了模型在特定任务上的表现。

基于预训练模型的文本分类方法例23.1使用HuggingFaceTransformers库中的bert-base-uncased模型进行文本分类。从transformers库导入BertForSequenceClassification和BertTokenizer类加载预训练模型和分词器从预训练权重中加载序列分类模型

基于预训练模型的文本分类方法准备要分类的输入文本对输入文本进行分词和编码将编码后的输入转换为模型所需的张量格式使用模型进行分类

基于预训练模型的文本分类方法在输出的logits上使用argmax得到预测结果的索引解码预测结果根据预测标签定义解释输出结果

例23.2使用bert-base-uncased模型在IMDb数据集上进行文本分类。在开始之前，请确保已安装transformers和datasets库。如果还没有安装，可以通过以下命令进行安装。然后,在代码中使用以下方式加载数据集。

例23.2使用bert-base-uncased模型在IMDb数据集上进行文本分类。

本节实验作业使用bert-base-chinese模型对中文新闻标题进行分类。考虑四个类别：经济、政治、体育和科技。给定一条新闻标题：央行提高利率以抑制通货膨胀。，判断这条新闻属于哪个类别。使用预训练模型bert-base-uncased和ag_news数据集对新闻标题进行分类。ag_news数据集包含四个类别：“World”（世界）、“Sports”（体育）、“Business”（商业）和“Sci/Tech”（科学/技术）。对测试集中前1000条数据进行预测，评估模型在这个分类任务上的表现，并讨论结果。具体操作请查看视频教程