Я пытаюсь предсказать несколько меток для данного текста. Это хорошо работает для одной метки, но я не знаю, как реализовать показатель достоверности для предсказания нескольких меток.
У меня есть данные в следующем денормализованном формате:
┌────┬──────────┬────────┐
│ id │ Topic │ Text │
├────┼──────────┼────────┤
│ 1 │ Apples │ FooBar │
│ 1 │ Oranges │ FooBar │
│ 1 │ Kiwis │ FooBar │
│ 2 │ Potatoes │ BazBak │
│ 3 │ Carrot │ BalBan │
└────┴──────────┴────────┘
Каждому тексту может быть назначена одна или несколько тем. Пока я придумал это. Сначала я подготавливаю свои данные — токенизация, стемм и т. д.
df = #read data from csv
categories = [ "Apples", "Oranges", "Kiwis", "Potatoes", "Carrot"]
words = []
docs = []
for index, row in df.iterrows():
stems = tokenize_and_stem(row, stemmer)
words.extend(stems)
docs.append((stems, row[1]))
# remove duplicates
words = sorted(list(set(words)))
# create training data
training = []
output = []
# create an empty array for our output
output_empty = [0] * len(categories)
for doc in docs:
# initialize our bag of words(bow) for each document in the list
bow = []
# list of tokenized words for the pattern
token_words = doc[0]
# create our bag of words array
for w in words:
bow.append(1) if w in token_words else bow.append(0)
output_row = list(output_empty)
output_row[categories.index(doc[1])] = 1
# our training set will contain a the bag of words model and the output row that tells which catefory that bow belongs to.
training.append([bow, output_row])
# shuffle our features and turn into np.array as tensorflow takes in numpy array
random.shuffle(training)
training = np.array(training)
# trainX contains the Bag of words and train_y contains the label/ category
train_x = list(training[:, 0])
train_y = list(training[:, 1])
Далее я создаю свою модель обучения
# reset underlying graph data
tf.reset_default_graph()
# Build neural network
net = tflearn.input_data(shape=[None, len(train_x[0])])
net = tflearn.fully_connected(net, 8)
net = tflearn.fully_connected(net, 8)
net = tflearn.fully_connected(net, len(train_y[0]), activation='softmax')
net = tflearn.regression(net)
# Define model and setup tensorboard
model = tflearn.DNN(net, tensorboard_dir='tflearn_logs')
# Start training (apply gradient descent algorithm)
model.fit(train_x, train_y, n_epoch=1000, batch_size=8, show_metric=True)
model.save('model.tflearn')
После этого я пытаюсь предсказать свои темы:
df = # read data from excel
for index, row in df.iterrows():
prediction = model.predict([get_bag_of_words(row[2])])
return categories[np.argmax(prediction)]
Как видите, я выбираю максимум prediction
, что хорошо подходит для одной темы. Чтобы выбрать несколько тем, мне нужна какая-то оценка уверенности или что-то в этом роде, что может сказать мне, когда остановиться, потому что я не могу вслепую установить произвольный порог.
Какие-либо предложения?