1.深度学习-pipeline

代码结构：

1. config.py 输入模型配置参数，如学习率等
2. loader.py 加载数据集，做预处理，为训练做准备
3. model.py 定义神经网络模型结构
4. evaluate.py 定义评价指标，每轮训练后做评测
5. main.py 模型训练主流程

1.1fastText

示意图：

释义：

1.首先一个句子进来，我们将它拆分成一个个的字，每个字都有其对应的向量（假如是10个字；矩阵为： 10 * hidden_size）
2.我们将矩阵进行Mean pooling就得到 1 * hidden_size
3.在经过一个线性层，加入我们需要分3类；则有：1 * hidden_size x hidden_size * 3 得到一个 1 * 3 的结果
上面就是这个算法的整个过程

问题： 上述的10个字的句子，经过pooling之后，就损失了句子语序信息，或者某些特殊词组合的含义？
解决办法： 我们就针对某些常见的组合，有一些特定的向量，而不是拆成字；比如：吃早饭了吗？ 早饭是一个词，对应一个向量，其他的一个字一个向量，这样可以一定程度上保留语义、语序信息

1.2LSTM

释义： 使用RNN（LSTM、GRU）对文本进行编码，使用最后一个位置的输出向量进行分类；这里的LSTM和GRU都是RNN的一个变种。其中LSTM、GRU我们认为在相同的数据训练上，效果差不多，但都明显优于RNN。

方法：
LSTM通过将RNN的隐单元复杂化一定程度规避了梯度消失和信息遗忘的问题。

1.2.1公式详解

（一）

理解：

1. 这个公式可以看作一个简化的RNN；ft * C(t-1) 相当于RNN中的前一个神经元计算的值。it * ^Ct就是当前序列计算的值，两个相加就是对下一步的输出。
2. 在这里f即单词forget；简单来说，前面的计算的记忆内容，有一些并不重要，我们可以选择的遗忘，便于记录当前序列计算的特征。这个遗忘的参数就是ft；
3. i即单词input；当前序列呢，也有一些可能是没有价值的特征，避免影响后续，所以有个input参数，来计算出当前序列那些是有价值的，这个参数就是it。
4. 所以算法，相当于对上一步和当前步的计算结果都有考量。

（二）

理解：

1. 首先上述公式 ()内 的内容，其实都是一个RNN，其中W表示序列中各个模块的权重参数；h、x表示RNN中的上一步输出值、输入值，x表示当前序列时间步的输入，b就是bias偏置项。妥妥的标准RNN
2. 在1的基础上，公式前面都过了一层激活层，分别是sigmoid、tanh
3. ^Ct就是当前时间步的记忆

（三）

理解：

1. ot，o就是单词OUT，即输出的意思，使用的激活函数是sigmoid；内部是一个传统的RNN算法，只是权重和咱们在前面步骤的不一样而已。
2. ht是当前时间步真正的输出；这个输出是当前的记忆经过激活函数tanh后；再乘ot；即输出门的参数；意思即：当前时间步计算的记忆不应当作为输出，输出应该是有一个表达的转换的，这个转换的参数就叫输出门（ot）
3. 在LSTM中输出包含两个，一个是ht，即输出值；Ct即记忆值；Ct相当于某个时间步的记忆，需要输出后，则需要加工，即得到ht

1.2.2可视化

1. 左侧两个箭头输入，分别是Ct，ht
2. 左侧下面的箭头分叉，从左往右依次为： ft、it、^Ct、ot

1.3TextCNN

释义： 利用一维卷积对文本进行编码，编码后的文本矩阵通过pooling转化为向量，用于分类。
注意： 在CV中我们的卷积核是正方形的，左右移动，上下移动；但是在NLP中，由于一个向量代表一个词，所以卷积是上下进行的。类比理解： 就像是我们中文里，单独的字含义并不明确，有一些是四个字的成语、五个字的成语，或者是两个字的；这样就可以把他们的特征卷积提取出来。但是一般不会超过5个字，这个和语言的特性有关，毕竟在中文中，超5个字的词相对还是比较少的。

示意图：

1.4Gated CNN

Gated CNN简单来说是基于CNN的一种改进，用下面示意图表示：

相对于CNN来说，用了两个卷积，增加了可训练的参数量；
核心注意点：

1.新增的卷积，经过了一层激活函数Sigmoid，再与另外一个卷积结果相乘得到输出。
释义：我们知道Sigmoid激活函数是（0，1）的数，和我们前面说LSTM中的门机制一样。这是一种重要思想。

1.5TextRCNN

释义： 咱们深度学习模型就像搭积木一样；这里的TextRCNN同样是如此，将RNN和CNN相结合起来。

1. 上面图示中，首先输入进行embedding，通过一个RNN的LSTM得到输出。
2. LSTM的输出不一定适合CNN的输入，所以就转换为对于的字符，再进行embedding
3. 将embedding的内容再交给后续的TextCNN继续计算。

1.6Bert

Bert编码示意图：

对于Bert的编码结果，文本分类有多种的使用方式，虽然方式不同，但逻辑相同，都是取其某些层的编码结果，再进行分类而已。

1.6.1取[cls] token对应的向量

释义：
我们知道Bert会标注输入句子的首位，用首位的向量表示。在Bert网络结构，完成计算后，也会输出；在这里我们就取输出的[cls]对应向量，进行分类

1. 以基础的Bert为例，取出的[cls]向量为：1 * 768
2. 假如要分10类，则使用768 * 10的矩阵和[cls]向量相乘即可
3. 为什么用Bert的cls；是因为Bert本身在做上下句关系时，用的这个cls

1.6.2将整句话的向量取max/average pooling

释义：
我们把Bert会的输出的向量，整体取出来，过pooling层，进行分类。

1. 以基础的Bert为例，输出向量为[cls]向量为：20 * 768
2. 那我们将结果pooling后，得到 1* 768
3. 假如要分10类，则使用768 * 10的矩阵与pooling后的向量相乘即可
   4.这里pooling不会损失语义信息，因为输入token是经过bert网络计算过后的。

1.6.3将Bert编码后的向量再输入LSTM或CNN

释义： 就是字面意思，将Bert的输出，再接RNN、CNN网络，完成分类。

1.6.4将Bert中间层的结果取出加入运算等

释义： 上面的内容，我们都是取Bert最后一层的输出进行处理。

1.经过实验后发现，标准的Bert是12层，我们其中，第三层的结果，进行分类，也能取到较好的效果。
2.注意，实验的结果表示，如果需要分类的任务越复杂，则Bert的网络层数应该越深才行。

2数据问题

2.1数据稀疏问题

释义： 训练数据量小，模型在训练样本上能收敛，但预测准确率很低

解决方案：

1.标注更多的数据
2.尝试构造训练样本（数据增强）
3.更换模型（如使用预训练模型等）减少数据需求
4.增加规则弥补
5.调整阈值，用召回率换准确率
比如：3分类预测[0.3,0.4,0.3]，就不采纳模型的预测结果，必须要达到0.6以上才采纳，那么预测的数据就变少了，但是准确率提升了，
6.重新定义类别（减少类别）

2.2标签不均衡问题

释义： 部分类别样本充裕，部分类别样本极少

解决办法：

1. 解决数据稀疏的所有的方法依然适用
2. 过采样 复制指定类别的样本，在采样中重复
3. 降采样 减少多样本类别的采样，随机使用部分，多余的样本进行测试
4. 调整样本权重 通过损失函数权重调整来体现，比如，教育的材料权重调整时，损失函数增大。

3.多标签分类问题

释义： 多标签 不同于 多分类；多标签是M选N；多分类是M选1。比如：一部电影即属于动作片，也属于科幻片，就是多标签分类问题。

多标签问题的转化

1. 分解为多个独立的二分类问题
   举例： 比如有3个标签分类，就训练三个模型，每个模型都是二分类，判断材料是本模型和不是本模型；1/0

2. 将多标签分类问题转换为多分类问题
   举例： 比如有动作电影、科幻电影、枪战片三类；把可能的搭配全部梳理出来

1. 动作、科幻；2. 动作、枪战； 3. 科幻、枪战
2. 动作 5. 枪战 6.科幻

这样的多标签分类，就变成了一个6分类的问题，但是这个方案，对于标签较少比较合适，如果标签过多，可以详细，分类将膨胀。

3. 更换loss直接由模型进行多标签分类
   举例： 比如使用，BCELoss损失函数。
   理解： 比如我们正常的分类，输入是标记一个，即[1,0,0,0,0];但是多标签分类，可以标记多个：[1,0,1,0,1],即表示数据属于1、3、5类；通过BCELoss损失函数，可以进行计算和参数更新。

其示意图公式如下：