用词袋方法预测文本

Posted 2023-03-12

【中文标题】用词袋方法预测文本

【英文标题】：Predict a text with bag of word approach

【发布时间】：2019-01-14 04:28:00

【问题描述】：

我正在尝试使用词袋模型进行文本分类。一切正常，直到我使用测试集来测试和评估准确性，但我们如何检查单个语句的类。

我有一个带有 2 个类标签和正文的数据框。

cout_vect = CountVectorizer()
final_count = cout_vect.fit_transform(df['body'].values.astype('U'))

from sklearn.model_selection import train_test_split
from keras.models import Sequential
from keras.layers import Dense
from keras.wrappers.scikit_learn import KerasClassifier
from keras.utils import np_utils
X_train, X_test, y_train, y_test = train_test_split(final_count, df['label'], test_size = .3, random_state=25)

model = Sequential()
model.add(Dense(264, input_dim=X_train.shape[1], activation='relu'))
model.add(Dense(128, activation='relu'))
model.add(Dense(64, activation='relu'))
model.add(Dense(32, activation='relu'))
model.add(Dense(16, activation='relu'))
model.add(Dense(8, activation='relu'))
model.add(Dense(3, activation='softmax'))

model.compile(loss='categorical_crossentropy', optimizer='adam', metrics=['accuracy'])
y_train = np_utils.to_categorical(y_train, num_classes=3)
y_test = np_utils.to_categorical(y_test, num_classes=3)

model.fit(X_train, y_train, epochs=50, batch_size=32)
model.evaluate(x=X_test, y=y_test, batch_size=None, verbose=1, sample_weight=None)

现在我想使用我的模型来预测这个陈述。这个怎么做 我尝试使用计数向量器将我的语句转换为向量，但根据词袋方法，它只是一个 8 维向量。

x = "Your account balance has been deducted for 4300"
model.predict(x, batch_size=None, verbose=0, steps=None)

【参考方案1】：

你需要这样做：

# First transform the sentence to bag-of-words according to the already learnt vocabulary
x = cout_vect.transform([x])

# Then send the feature vector to the predict
print(model.predict(x, batch_size=None, verbose=0, steps=None))

您还没有展示“我尝试使用计数矢量化器将我的语句转换为矢量，但根据词袋方法，它只是一个 8 维矢量。”，但我我猜你是这样做的：

cout_vect.fit_transform([x])

如果你调用fit()（或fit_transform()），向量化器会忘记所有之前的训练，只记住当前的词汇，因此你只得到一个大小为8的特征向量，而你之前的向量更大.