Skip to content
体验新版
项目
组织
正在加载...
登录
切换导航
打开侧边栏
PaddlePaddle
models
提交
34654503
M
models
项目概览
PaddlePaddle
/
models
大约 1 年 前同步成功
通知
222
Star
6828
Fork
2962
代码
文件
提交
分支
Tags
贡献者
分支图
Diff
Issue
602
列表
看板
标记
里程碑
合并请求
255
Wiki
0
Wiki
分析
仓库
DevOps
项目成员
Pages
M
models
项目概览
项目概览
详情
发布
仓库
仓库
文件
提交
分支
标签
贡献者
分支图
比较
Issue
602
Issue
602
列表
看板
标记
里程碑
合并请求
255
合并请求
255
Pages
分析
分析
仓库分析
DevOps
Wiki
0
Wiki
成员
成员
收起侧边栏
关闭侧边栏
动态
分支图
创建新Issue
提交
Issue看板
提交
34654503
编写于
7月 09, 2017
作者:
S
Superjom
浏览文件
操作
浏览文件
下载
电子邮件补丁
差异文件
fix regression bug
上级
b645b46b
变更
5
隐藏空白更改
内联
并排
Showing
5 changed file
with
67 addition
and
28 deletion
+67
-28
dssm/network_conf.py
dssm/network_conf.py
+26
-15
dssm/reader.py
dssm/reader.py
+25
-3
dssm/train.py
dssm/train.py
+12
-6
sequence_tagging_for_ner/README.md
sequence_tagging_for_ner/README.md
+2
-2
sequence_tagging_for_ner/index.html
sequence_tagging_for_ner/index.html
+2
-2
未找到文件。
dssm/network_conf.py
浏览文件 @
34654503
...
...
@@ -64,12 +64,14 @@ class DSSM(object):
'rank'
:
self
.
_build_rank_model
,
'regression'
:
self
.
_build_regression_model
,
}
print
'model type: '
,
str
(
self
.
model_type
)
self
.
model_type_creater
=
_model_type
[
str
(
self
.
model_type
)]
def
__call__
(
self
):
if
self
.
model_type
.
is_classification
():
return
self
.
_build_classification_model
()
return
self
.
_build_rank_model
()
# if self.model_type.is_classification():
# return self._build_classification_model()
# return self._build_rank_model()
return
self
.
model_type_creater
()
def
create_embedding
(
self
,
input
,
prefix
=
''
):
'''
...
...
@@ -155,10 +157,14 @@ class DSSM(object):
return
_input_layer
def
_build_classification_model
(
self
):
logger
.
info
(
"build classification model"
)
assert
self
.
model_type
.
is_classification
()
return
self
.
_build_classification_or_regression_model
(
is_classification
=
True
)
def
_build_regression_model
(
self
):
logger
.
info
(
"build regression model"
)
assert
self
.
model_type
.
is_regression
()
return
self
.
_build_classification_or_regression_model
(
is_classification
=
False
)
...
...
@@ -172,6 +178,8 @@ class DSSM(object):
- right_target sentence
- label, 1 if left_target should be sorted in front of right_target, otherwise 0.
'''
logger
.
info
(
"build rank model"
)
assert
self
.
model_type
.
is_rank
()
source
=
paddle
.
layer
.
data
(
name
=
'source_input'
,
type
=
paddle
.
data_type
.
integer_value_sequence
(
self
.
vocab_sizes
[
0
]))
...
...
@@ -221,8 +229,9 @@ class DSSM(object):
- classification label
'''
# prepare inputs.
assert
self
.
class_num
if
is_classification
:
# prepare inputs.
assert
self
.
class_num
source
=
paddle
.
layer
.
data
(
name
=
'source_input'
,
...
...
@@ -233,7 +242,7 @@ class DSSM(object):
label
=
paddle
.
layer
.
data
(
name
=
'label_input'
,
type
=
paddle
.
data_type
.
integer_value
(
self
.
class_num
)
if
is_classification
else
paddle
.
data_type
.
dense_
input
)
if
is_classification
else
paddle
.
data_type
.
dense_
vector
(
1
)
)
prefixs
=
'_ _'
.
split
(
)
if
self
.
share_semantic_generator
else
'left right'
.
split
()
...
...
@@ -250,15 +259,17 @@ class DSSM(object):
x
=
self
.
model_arch_creater
(
input
,
prefix
=
prefixs
[
id
])
semantics
.
append
(
x
)
concated_vector
=
paddle
.
layer
.
concat
(
semantics
)
prediction
=
paddle
.
layer
.
fc
(
input
=
concated_vector
,
size
=
self
.
class_num
,
act
=
paddle
.
activation
.
Softmax
())
cost
=
paddle
.
layer
.
classification_cost
(
input
=
prediction
,
label
=
label
)
if
is_classification
else
paddle
.
layer
.
mse_cost
(
prediction
,
label
)
if
is_classification
:
concated_vector
=
paddle
.
layer
.
concat
(
semantics
)
prediction
=
paddle
.
layer
.
fc
(
input
=
concated_vector
,
size
=
self
.
class_num
,
act
=
paddle
.
activation
.
Softmax
())
cost
=
paddle
.
layer
.
classification_cost
(
input
=
prediction
,
label
=
label
)
else
:
prediction
=
paddle
.
layer
.
cos_sim
(
*
semantics
)
cost
=
paddle
.
layer
.
mse_cost
(
prediction
,
label
)
return
cost
,
prediction
,
label
...
...
dssm/reader.py
浏览文件 @
34654503
...
...
@@ -15,9 +15,14 @@ class Dataset(object):
self
.
source_dic
=
load_dic
(
self
.
source_dic_path
)
self
.
target_dic
=
load_dic
(
self
.
target_dic_path
)
self
.
record_reader
=
self
.
_read_classification_record
\
if
self
.
model_type
.
is_classification
()
\
else
self
.
_read_rank_record
_record_reader
=
{
ModelType
.
CLASSIFICATION_MODE
:
self
.
_read_classification_record
,
ModelType
.
REGRESSION_MODE
:
self
.
_read_regression_record
,
ModelType
.
RANK_MODE
:
self
.
_read_rank_record
,
}
assert
isinstance
(
model_type
,
ModelType
)
self
.
record_reader
=
_record_reader
[
model_type
.
mode
]
def
train
(
self
):
'''
...
...
@@ -54,6 +59,23 @@ class Dataset(object):
label
=
int
(
fs
[
2
])
return
(
source
,
target
,
label
,
)
def
_read_regression_record
(
self
,
line
):
'''
data format:
<source words> [TAB] <target words> [TAB] <label>
@line: str
a string line which represent a record.
'''
fs
=
line
.
strip
().
split
(
'
\t
'
)
assert
len
(
fs
)
==
3
,
"wrong format for regression
\n
"
+
\
"the format shoud be "
+
\
"<source words> [TAB] <target words> [TAB] <label>'"
source
=
sent2ids
(
fs
[
0
],
self
.
source_dic
)
target
=
sent2ids
(
fs
[
1
],
self
.
target_dic
)
label
=
float
(
fs
[
2
])
return
(
source
,
target
,
[
label
],
)
def
_read_rank_record
(
self
,
line
):
'''
data format:
...
...
dssm/train.py
浏览文件 @
34654503
...
...
@@ -52,8 +52,9 @@ parser.add_argument(
type
=
int
,
required
=
True
,
default
=
ModelType
.
CLASSIFICATION_MODE
,
help
=
"model type, %d for classification, %d for pairwise rank (default: classification)"
%
(
ModelType
.
CLASSIFICATION_MODE
,
ModelType
.
RANK_MODE
))
help
=
"model type, %d for classification, %d for pairwise rank, %d for regression (default: classification)"
%
(
ModelType
.
CLASSIFICATION_MODE
,
ModelType
.
RANK_MODE
,
ModelType
.
REGRESSION_MODE
))
parser
.
add_argument
(
'--model_arch'
,
type
=
int
,
...
...
@@ -124,7 +125,7 @@ def train(train_data_path=None,
default_train_path
=
'./data/rank/train.txt'
default_test_path
=
'./data/rank/test.txt'
default_dic_path
=
'./data/vocab.txt'
if
model_type
.
is_classification
():
if
not
model_type
.
is_rank
():
default_train_path
=
'./data/classification/train.txt'
default_test_path
=
'./data/classification/test.txt'
...
...
@@ -173,13 +174,18 @@ def train(train_data_path=None,
trainer
=
paddle
.
trainer
.
SGD
(
cost
=
cost
,
extra_layers
=
paddle
.
evaluator
.
auc
(
input
=
prediction
,
label
=
label
)
if
prediction
else
None
,
extra_layers
=
None
,
parameters
=
parameters
,
update_equation
=
adam_optimizer
)
# trainer = paddle.trainer.SGD(
# cost=cost,
# extra_layers=paddle.evaluator.auc(input=prediction, label=label)
# if prediction and model_type.is_classification() else None,
# parameters=parameters,
# update_equation=adam_optimizer)
feeding
=
{}
if
model_type
.
is_classification
():
if
model_type
.
is_classification
()
or
model_type
.
is_regression
()
:
feeding
=
{
'source_input'
:
0
,
'target_input'
:
1
,
'label_input'
:
2
}
else
:
feeding
=
{
...
...
sequence_tagging_for_ner/README.md
浏览文件 @
34654503
...
...
@@ -23,10 +23,10 @@
序列标注可以分为Sequence Classification、Segment Classification和Temporal Classification三类
[
[1
](
#参考文献
)
],本例只考虑Segment Classification,即对输入序列中的每个元素在输出序列中给出对应的标签。对于NER任务,由于需要标识边界,一般采用
[
BIO标注方法
](
http://book.paddlepaddle.org/07.label_semantic_roles/
)
定义的标签集,如下是一个NER的标注结果示例:
<
div
align=
"center"
>
<
p
align=
"center"
>
<img
src=
"images/ner_label_ins.png"
width =
"80%"
align=
center
/><br>
图1. BIO标注方法示例
</
div
>
</
p
>
根据序列标注结果可以直接得到实体边界和实体类别。类似的,分词、词性标注、语块识别、
[
语义角色标注
](
http://book.paddlepaddle.org/07.label_semantic_roles/index.cn.html
)
等任务都可通过序列标注来解决。使用神经网络模型解决问题的思路通常是:前层网络学习输入的特征表示,网络的最后一层在特征基础上完成最终的任务;对于序列标注问题,通常:使用基于RNN的网络结构学习特征,将学习到的特征接入CRF完成序列标注。实际上是将传统CRF中的线性模型换成了非线性神经网络。沿用CRF的出发点是:CRF使用句子级别的似然概率,能够更好的解决标记偏置问题
[
[2
](
#参考文献
)
]。本例也将基于此思路建立模型。虽然,这里以NER任务作为示例,但所给出的模型可以应用到其他各种序列标注任务中。
...
...
sequence_tagging_for_ner/index.html
浏览文件 @
34654503
...
...
@@ -65,10 +65,10 @@
序列标注可以分为Sequence Classification、Segment Classification和Temporal Classification三类[[1](#参考文献)],本例只考虑Segment Classification,即对输入序列中的每个元素在输出序列中给出对应的标签。对于NER任务,由于需要标识边界,一般采用[BIO标注方法](http://book.paddlepaddle.org/07.label_semantic_roles/)定义的标签集,如下是一个NER的标注结果示例:
<
div
align=
"center"
>
<
p
align=
"center"
>
<img
src=
"images/ner_label_ins.png"
width =
"80%"
align=
center
/><br>
图1. BIO标注方法示例
</
div
>
</
p
>
根据序列标注结果可以直接得到实体边界和实体类别。类似的,分词、词性标注、语块识别、[语义角色标注](http://book.paddlepaddle.org/07.label_semantic_roles/index.cn.html)等任务都可通过序列标注来解决。使用神经网络模型解决问题的思路通常是:前层网络学习输入的特征表示,网络的最后一层在特征基础上完成最终的任务;对于序列标注问题,通常:使用基于RNN的网络结构学习特征,将学习到的特征接入CRF完成序列标注。实际上是将传统CRF中的线性模型换成了非线性神经网络。沿用CRF的出发点是:CRF使用句子级别的似然概率,能够更好的解决标记偏置问题[[2](#参考文献)]。本例也将基于此思路建立模型。虽然,这里以NER任务作为示例,但所给出的模型可以应用到其他各种序列标注任务中。
...
...
编辑
预览
Markdown
is supported
0%
请重试
或
添加新附件
.
添加附件
取消
You are about to add
0
people
to the discussion. Proceed with caution.
先完成此消息的编辑!
取消
想要评论请
注册
或
登录