为什么Keras Tokenizer的Texts To Sequences对所有文本返回相同的值?

我正在尝试创建一个Keras LSTM模型,用于将单词分类为0或1。然而,无论我输入什么文本,网络总是返回接近零的值。我已经将问题缩小到与Keras分词器相关的问题。我已经添加了一个调试打印语句,并注释了model.predict()代码来测试这个问题。所有单词都返回数组[[208]]

以下是代码

from builtins import lenfrom keras.preprocessing.text import Tokenizerfrom keras.preprocessing.sequence import pad_sequencesfrom keras.models import Sequentialfrom keras import layersfrom sklearn.model_selection import train_test_splitimport pandas as pdimport numpy as npimport enchantimport red = enchant.Dict("en_US")df = pd.read_csv('sentiments.csv')df.columns = ["label", "text"]x = df['text'].valuesy = df['label'].valuesx_train, x_test, y_train, y_test = \    train_test_split(x, y, test_size=0.1, random_state=123)tokenizer = Tokenizer(num_words=100)tokenizer.fit_on_texts(x)xtrain = tokenizer.texts_to_sequences(x_train)xtest = tokenizer.texts_to_sequences(x_test)vocab_size = len(tokenizer.word_index) + 1maxlen = 10xtrain = pad_sequences(xtrain, padding='post', maxlen=maxlen)xtest = pad_sequences(xtest, padding='post', maxlen=maxlen)print(x_train[3])print(xtrain[3])embedding_dim = 50model = Sequential()model.add(layers.Embedding(input_dim=(vocab_size+1),                           output_dim=embedding_dim,                           input_length=maxlen))model.add(layers.LSTM(units=50, return_sequences=True))model.add(layers.LSTM(units=10))model.add(layers.Dropout(0.5))model.add(layers.Dense(8))model.add(layers.Dense(1, activation="sigmoid"))model.compile(optimizer="adam", loss="binary_crossentropy",              metrics=['accuracy'])model.summary()model.fit(xtrain, y_train, epochs=20, batch_size=16, verbose=False)loss, acc = model.evaluate(xtrain, y_train, verbose=False)print("Training Accuracy: ", acc)loss, acc = model.evaluate(xtest, y_test, verbose=False)print("Test Accuracy: ", acc)text_input = str(input("Enter a word for analysis: "))if d.check(text_input):    word_Arr = []    word_Arr.append(text_input)    tokenizer.fit_on_texts(word_Arr)    word_final = tokenizer.texts_to_sequences(word_Arr)    word_final_final = np.asarray(word_final)    print(word_final_final)    # newArr = np.zeros(shape=(6, 10))    # newArr[0] = word_final_final    # print(model.predict(newArr))

我该如何继续?


回答:

您总是重新拟合您的Tokenizer实例:

tokenizer = Tokenizer(num_words=100)tokenizer.fit_on_texts(x)

用新输入的单词本身:

tokenizer.fit_on_texts(word_Arr)

因此,您创建的标记(您用来训练模型的标记)将被删除,而您重新拟合的Token实例将根据您输入的单词进行标记化。

示例:

tokenizer = Tokenizer(num_words=100)tokenizer.fit_on_texts(["dog, cat, horse"])ext_input = str(input("Enter a word for analysis: "))word_Arr = []word_Arr.append(text_input)# 这里是您的问题!!!tokenizer.fit_on_texts(word_Arr)word_final = tokenizer.texts_to_sequences(word_Arr)word_final_final = np.asarray(word_final)print(word_final_final)

输出:

Enter a word for analysis: dog[[1]]Enter a word for analysis: cat[[1]]

注释掉有问题的代码部分:

tokenizer = Tokenizer(num_words=100)tokenizer.fit_on_texts(["dog, cat, horse"])ext_input = str(input("Enter a word for analysis: "))word_Arr = []word_Arr.append(text_input)# 注释掉您的问题!!!# tokenizer.fit_on_texts(word_Arr)word_final = tokenizer.texts_to_sequences(word_Arr)word_final_final = np.asarray(word_final)print(word_final_final)

输出

Enter a word for analysis: cat[[2]]Enter a word for analysis: dog[[1]]

Related Posts

使用LSTM在Python中预测未来值

这段代码可以预测指定股票的当前日期之前的值,但不能预测…

如何在gensim的word2vec模型中查找双词组的相似性

我有一个word2vec模型,假设我使用的是googl…

dask_xgboost.predict 可以工作但无法显示 – 数据必须是一维的

我试图使用 XGBoost 创建模型。 看起来我成功地…

ML Tuning – Cross Validation in Spark

我在https://spark.apache.org/…

如何在React JS中使用fetch从REST API获取预测

我正在开发一个应用程序,其中Flask REST AP…

如何分析ML.NET中多类分类预测得分数组?

我在ML.NET中创建了一个多类分类项目。该项目可以对…

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注