文件名称：multi-label-classification-4-event-type:多标签分类 4 事件类型
文件大小：16.39MB
文件格式：ZIP
更新时间：2024-06-20 08:35:31
Python
多标签文本分类 数据集 数据来源： 模型训练 模型结构：采用ALBERT对文本进行特征提取，最大文本长度为200，采用的深度学习模型如下： 模型训练效果如下图： 模型评估 本项目采用hamming loss对多标签分类进行评估，结果如下： precision recall f1-score support 0 1.0000 0.9167 0.9565 12 1 1.0000 0.1250 0.2222 8 2 1.0000 0.4000 0.5714 10 3 1.0000 0.6364 0.7778 11
【文件预览】：
multi-label-classification-4-event-type-master
----event_type.json(2KB)
----model_predict.py(1KB)
----model_train.py(4KB)
----requirements.txt(139B)
----multi-label-model.png(39KB)
----albert_zh()
--------optimization_finetuning.py(6KB)
--------bert_utils.py(4KB)
--------tokenization.py(13KB)
--------run_classifier.py(35KB)
--------run_pretraining.py(19KB)
--------create_pretraining_data.py(43KB)
--------modeling.py(49KB)
--------create_pretrain_data.sh(339B)
--------extract_feature.py(14KB)
--------optimization.py(12KB)
--------README.md(19KB)
--------albert_tiny()
--------__pycache__()
--------args.py(2KB)
--------graph.py(7KB)
--------test_changes.py(3KB)
----.idea()
--------misc.xml(185B)
--------dbnavigator.xml(22KB)
--------workspace.xml(13KB)
--------multi-label-classification-for-color-animal.iml(428B)
--------encodings.xml(135B)
--------inspectionProfiles()
--------modules.xml(338B)
--------codeStyles()
--------vcs.xml(180B)
----README.md(6KB)
----data_analysis.py(930B)
----__pycache__()
--------att.cpython-36.pyc(2KB)
----data()
--------multi-classification-test.txt(267KB)
--------multi-classification-train.txt(2.05MB)
----.gitignore(50B)
----model_evaluate.py(2KB)
----att.py(2KB)
----loss_acc.png(33KB)