为多标签文本分类转换数据集

Posted 2023-03-13

【中文标题】为多标签文本分类转换数据集

【英文标题】：Transforming a Dataset for Multi-Label Text Classification

【发布时间】：2021-11-05 01:51:10

【问题描述】：

我正在通过深度学习模型进行一些关于多标签分类的实验。 但是我遇到了数据集的问题。

我使用 Keras、TensorFlow 2.0、numpy、pandas。

我有一个数据集，格式如下： Dataset in the form that I have it

要应用多标签分类（6 个标签），我需要我的数据集采用以下形式： Dataset in the form that I need it

如何实现这一目标？是否有任何函数可以让这种转换变得更容易？

试试：

comments_df[['abusive','hateful','offensive','disrespectful','fearful','normal']] = comments_df['sentiment'].str.split('_', -1, expand=True)

这给了我一个错误：

ValueError: Columns must be same length as key

关于我将使用的 DL 模型，它是 bi-LSTM，但它与问题本身没有任何关系。

【参考方案1】：

试试这个：

df = pd.get_dummies(data = df, columns = ['sentiment'])

【讨论】：

是的，这部分解决了问题。由于数据的性质，它创建的列多于所需的列，但是您的代码和之后的一些列“删除”。行得通。

【参考方案2】：

我发现这是可行的（不是最佳解决方案）：

"""
Creating a column for each of the target labels with sentiment's column data.
"""


def split_sentiment_outputs(output_label, sentiment_col="sentiment"):
    comments_df[output_label] = comments_df[sentiment_col].str.split('_')


"""
Transform column's data to categorical.
"""


def transform_data_for_multilabel(output_label):
    row = comments_df[output_label]
    for index, row in row.items():
        # print("Index:", index)
        # print("length:", len(row))
        # print("content:", row)
        # print("--------------")
        z = 0
        while z < len(row):
            if row[z] == output_label:
                comments_df.at[index, output_label] = 1
                break
            else:
                comments_df.at[index, output_label] = 0
            z = z + 1

# Applying Data Transformation
output_labels = ["abusive", "hateful", "offensive", "disrespectful", "fearful", "normal"]
for i in range(MAX_OUT):
    split_sentiment_outputs(output_labels[i])

for i in range(MAX_OUT):
    transform_data_for_multilabel(output_labels[i])

【讨论】：

请在您的回答中提供更多详细信息。正如目前所写的那样，很难理解您的解决方案。

我相信如果有人打开我链接的图片，那么代码就会变得非常简单。你认为我必须澄清什么？由于我是新成员，您的指导将非常有帮助！