当前位置: 首页 > news >正文

营销型网站价格张家界网络

营销型网站价格,张家界网络,wordpress怎么改头像,广州交易中心官网文章目录 1 前言1.1 背景 2 数据集3 实现过程4 CNN网络实现5 模型训练部分6 模型评估7 预测结果8 最后 1 前言 #x1f525; 优质竞赛项目系列#xff0c;今天要分享的是 基于CNN实现谣言检测 该项目较为新颖#xff0c;适合作为竞赛课题方向#xff0c;学长非常推荐 优质竞赛项目系列今天要分享的是 基于CNN实现谣言检测 该项目较为新颖适合作为竞赛课题方向学长非常推荐 更多资料, 项目分享 https://gitee.com/dancheng-senior/postgraduate 1.1 背景 社交媒体的发展在加速信息传播的同时也带来了虚假谣言信息的泛滥往往会引发诸多不安定因素并对经济和社会产生巨大的影响。 2 数据集 本项目所使用的数据是从新浪微博不实信息举报平台抓取的中文谣言数据数据集中共包含1538条谣言和1849条非谣言。 如下图所示每条数据均为json格式其中text字段代表微博原文的文字内容。 每个文件夹里又有很多新闻文本。 每个文本又是json格式具体内容如下 3 实现过程 步骤入下 *1解压数据读取并解析数据生成all_data.txt *2生成数据字典即dict.txt *3生成数据列表并进行训练集与验证集的划分train_list.txt 、eval_list.txt *4定义训练数据集提供器train_reader和验证数据集提供器eval_reader import zipfile import os import io import random import json import matplotlib.pyplot as plt import numpy as np import paddle import paddle.fluid as fluid from paddle.fluid.dygraph.nn import Conv2D, Linear, Embedding from paddle.fluid.dygraph.base import to_variable#解压原始数据集将Rumor_Dataset.zip解压至data目录下 src_path/home/aistudio/data/data36807/Rumor_Dataset.zip #这里填写自己项目所在的数据集路径 target_path/home/aistudio/data/Chinese_Rumor_Dataset-master if(not os.path.isdir(target_path)):z zipfile.ZipFile(src_path, r)z.extractall(pathtarget_path)z.close()#分别为谣言数据、非谣言数据、全部数据的文件路径 rumor_class_dirs os.listdir(target_path非开源数据集) # 这里填写自己项目所在的数据集路径 non_rumor_class_dirs os.listdir(target_path非开源数据集) original_microblog target_path非开源数据集 #谣言标签为0非谣言标签为1 rumor_label0 non_rumor_label1#分别统计谣言数据与非谣言数据的总数 rumor_num 0 non_rumor_num 0 all_rumor_list [] all_non_rumor_list []#解析谣言数据 for rumor_class_dir in rumor_class_dirs: if(rumor_class_dir ! .DS_Store):#遍历谣言数据并解析with open(original_microblog rumor_class_dir, r) as f:rumor_content f.read()rumor_dict json.loads(rumor_content)all_rumor_list.append(rumor_label\trumor_dict[text]\n)rumor_num 1 #解析非谣言数据 for non_rumor_class_dir in non_rumor_class_dirs: if(non_rumor_class_dir ! .DS_Store):with open(original_microblog non_rumor_class_dir, r) as f2:non_rumor_content f2.read()non_rumor_dict json.loads(non_rumor_content)all_non_rumor_list.append(non_rumor_label\tnon_rumor_dict[text]\n)non_rumor_num 1print(谣言数据总量为str(rumor_num)) print(非谣言数据总量为str(non_rumor_num))#全部数据进行乱序后写入all_data.txt data_list_path/home/aistudio/data/ all_data_pathdata_list_path all_data.txt all_data_list all_rumor_list all_non_rumor_listrandom.shuffle(all_data_list)#在生成all_data.txt之前首先将其清空 with open(all_data_path, w) as f:f.seek(0)f.truncate() with open(all_data_path, a) as f:for data in all_data_list:f.write(data) print(all_data.txt已生成)​ 接下来就是生成数据字典。 ​ # 生成数据字典 def create_dict(data_path, dict_path): with open(dict_path, ‘w’) as f: f.seek(0) f.truncate() dict_set set()# 读取全部数据with open(data_path, r, encodingutf-8) as f:lines f.readlines()# 把数据生成一个元组for line in lines:content line.split(\t)[-1].replace(\n, )for s in content:dict_set.add(s)# 把元组转换成字典一个字对应一个数字dict_list []i 0for s in dict_set:dict_list.append([s, i])i 1# 添加未知字符dict_txt dict(dict_list)end_dict {: i}dict_txt.update(end_dict)# 把这些字典保存到本地中with open(dict_path, w, encodingutf-8) as f:f.write(str(dict_txt))print(数据字典生成完成,\t,字典长度为,len(dict_list))我们可以查看一下dict_txt的内容 接下来就是数据列表的生成 ​ # 创建序列化表示的数据,并按照一定比例划分训练数据与验证数据 def create_data_list(data_list_path): with open(os.path.join(data_list_path, dict.txt), r, encodingutf-8) as f_data:dict_txt eval(f_data.readlines()[0])with open(os.path.join(data_list_path, all_data.txt), r, encodingutf-8) as f_data:lines f_data.readlines()i 0with open(os.path.join(data_list_path, eval_list.txt), a, encodingutf-8) as f_eval,\open(os.path.join(data_list_path, train_list.txt), a, encodingutf-8) as f_train:for line in lines:title line.split(\t)[-1].replace(\n, )lab line.split(\t)[0]t_ids if i % 8 0:for s in title:temp str(dict_txt[s])t_ids t_ids temp ,t_ids t_ids[:-1] \t lab \nf_eval.write(t_ids)else:for s in title:temp str(dict_txt[s])t_ids t_ids temp ,t_ids t_ids[:-1] \t lab \nf_train.write(t_ids)i 1print(数据列表生成完成)定义数据读取器 ​ def data_reader(file_path, phrase, shuffleFalse): all_data [] with io.open(file_path, “r”, encoding‘utf8’) as fin: for line in fin: cols line.strip().split(“\t”) if len(cols) ! 2: continue label int(cols[1]) wids cols[0].split(,)all_data.append((wids, label))if shuffle:if phrase train:random.shuffle(all_data)def reader():for doc, label in all_data:yield doc, labelreturn readerclass SentaProcessor(object):def __init__(self, data_dir,):self.data_dir data_dirdef get_train_data(self, data_dir, shuffle):return data_reader((self.data_dir train_list.txt), train, shuffle)def get_eval_data(self, data_dir, shuffle):return data_reader((self.data_dir eval_list.txt), eval, shuffle)def data_generator(self, batch_size, phasetrain, shuffleTrue):if phase train:return paddle.batch(self.get_train_data(self.data_dir, shuffle),batch_size,drop_lastTrue)elif phase eval:return paddle.batch(self.get_eval_data(self.data_dir, shuffle),batch_size,drop_lastTrue)else:raise ValueError(Unknown phase, which should be in [train, eval])总之在数据处理这一块需要我们注意的是一共生成以下的几个文件。 4 CNN网络实现 接下来就是构建以及配置卷积神经网络(Convolutional Neural Networks, CNN)开篇也说了其实这里有很多模型的选择之所以选择CNN是因为让我们熟悉CNN的相关实现。 输入词向量序列产生一个特征图feature map对特征图采用时间维度上的最大池化max pooling over time操作得到此卷积核对应的整句话的特征最后将所有卷积核得到的特征拼接起来即为文本的定长向量表示对于文本分类问题将其连接至softmax即构建出完整的模型。在实际应用中我们会使用多个卷积核来处理句子窗口大小相同的卷积核堆叠起来形成一个矩阵这样可以更高效的完成运算。另外我们也可使用窗口大小不同的卷积核来处理句子。具体的流程如下 首先我们构建单层CNN神经网络。 ​ #单层class SimpleConvPool(fluid.dygraph.Layer):def __init__(self,num_channels, # 通道数num_filters, # 卷积核数量filter_size, # 卷积核大小batch_sizeNone): # 16super(SimpleConvPool, self).__init__()self.batch_size batch_sizeself._conv2d Conv2D(num_channels num_channels,num_filters num_filters,filter_size filter_size,acttanh)self._pool2d fluid.dygraph.Pool2D(pool_size (150 - filter_size[0]1,1),pool_type max,pool_stride1)def forward(self, inputs):# print(SimpleConvPool_inputs数据纬度,inputs.shape) # [16, 1, 148, 128]x self._conv2d(inputs)x self._pool2d(x)x fluid.layers.reshape(x, shape[self.batch_size, -1])return xclass CNN(fluid.dygraph.Layer):def __init__(self):super(CNN, self).__init__()self.dict_dim train_parameters[vocab_size]self.emb_dim 128 #emb纬度self.hid_dim [32] #卷积核数量self.fc_hid_dim 96 #fc参数纬度self.class_dim 2 #分类数self.channels 1 #输入通道数self.win_size [[3, 128]] # 卷积核尺寸self.batch_size train_parameters[batch_size] self.seq_len train_parameters[padding_size]self.embedding Embedding( size[self.dict_dim 1, self.emb_dim],dtypefloat32, is_sparseFalse)self._simple_conv_pool_1 SimpleConvPool(self.channels,self.hid_dim[0],self.win_size[0],batch_sizeself.batch_size)self._fc1 Linear(input_dim self.hid_dim[0],output_dim self.fc_hid_dim,acttanh)self._fc_prediction Linear(input_dim self.fc_hid_dim,output_dim self.class_dim,actsoftmax)def forward(self, inputs, labelNone):emb self.embedding(inputs) # [2400, 128]# print(CNN_emb,emb.shape) emb fluid.layers.reshape( # [16, 1, 150, 128]emb, shape[-1, self.channels , self.seq_len, self.emb_dim])# print(CNN_emb,emb.shape)conv_3 self._simple_conv_pool_1(emb)fc_1 self._fc1(conv_3)prediction self._fc_prediction(fc_1)if label is not None:acc fluid.layers.accuracy(prediction, labellabel)return prediction, accelse:return prediction 接下来就是参数的配置不过为了在模型训练过程中更直观的查看我们训练的准确率我们首先利用python的matplotlib.pyplt函数实现一个可视化图具体的实现如下 ​ def draw_train_process(iters, train_loss, train_accs): title“training loss/training accs” plt.title(title, fontsize24) plt.xlabel(“iter”, fontsize14) plt.ylabel(“loss/acc”, fontsize14) plt.plot(iters, train_loss, color‘red’, label‘training loss’) plt.plot(iters, train_accs, color‘green’, label‘training accs’) plt.legend() plt.grid() plt.show() 5 模型训练部分 ​ def train(): with fluid.dygraph.guard(place fluid.CUDAPlace(0)): # 因为要进行很大规模的训练因此我们用的是GPU如果没有安装GPU的可以使用下面一句把这句代码注释掉即可 # with fluid.dygraph.guard(place fluid.CPUPlace()): processor SentaProcessor( data_dirdata/)train_data_generator processor.data_generator(batch_sizetrain_parameters[batch_size],phasetrain,shuffleTrue)model CNN()sgd_optimizer fluid.optimizer.Adagrad(learning_ratetrain_parameters[adam],parameter_listmodel.parameters())steps 0Iters,total_loss, total_acc [], [], []for eop in range(train_parameters[epoch]):for batch_id, data in enumerate(train_data_generator()):steps 1#转换为 variable 类型doc to_variable(np.array([np.pad(x[0][0:train_parameters[padding_size]], #对句子进行padding全部填补为定长150(0, train_parameters[padding_size] - len(x[0][0:train_parameters[padding_size]])),constant,constant_values(train_parameters[vocab_size])) # 用 的id 进行填补for x in data]).astype(int64).reshape(-1))#转换为 variable 类型label to_variable(np.array([x[1] for x in data]).astype(int64).reshape(train_parameters[batch_size], 1))model.train() #使用训练模式prediction, acc model(doc, label)loss fluid.layers.cross_entropy(prediction, label)avg_loss fluid.layers.mean(loss)avg_loss.backward()sgd_optimizer.minimize(avg_loss)model.clear_gradients()if steps % train_parameters[skip_steps] 0:Iters.append(steps)total_loss.append(avg_loss.numpy()[0])total_acc.append(acc.numpy()[0])print(eop: %d, step: %d, ave loss: %f, ave acc: %f %(eop, steps,avg_loss.numpy(),acc.numpy()))if steps % train_parameters[save_steps] 0:save_path train_parameters[checkpoints]/save_dir_ str(steps)print(save model to: save_path)fluid.dygraph.save_dygraph(model.state_dict(),save_path)# breakdraw_train_process(Iters, total_loss, total_acc)训练的过程以及训练的结果如下 6 模型评估 ​ def to_eval(): with fluid.dygraph.guard(place fluid.CUDAPlace(0)): processor SentaProcessor(data_dir“data/”) #写自己的路径 eval_data_generator processor.data_generator(batch_sizetrain_parameters[batch_size],phaseeval,shuffleFalse)model_eval CNN() #示例化模型model, _ fluid.load_dygraph(data//save_dir_180.pdparams) #写自己的路径model_eval.load_dict(model)model_eval.eval() # 切换为eval模式total_eval_cost, total_eval_acc [], []for eval_batch_id, eval_data in enumerate(eval_data_generator()):eval_np_doc np.array([np.pad(x[0][0:train_parameters[padding_size]],(0, train_parameters[padding_size] -len(x[0][0:train_parameters[padding_size]])),constant,constant_values(train_parameters[vocab_size]))for x in eval_data]).astype(int64).reshape(-1)eval_label to_variable(np.array([x[1] for x in eval_data]).astype(int64).reshape(train_parameters[batch_size], 1))eval_doc to_variable(eval_np_doc)eval_prediction, eval_acc model_eval(eval_doc, eval_label)loss fluid.layers.cross_entropy(eval_prediction, eval_label)avg_loss fluid.layers.mean(loss)total_eval_cost.append(avg_loss.numpy()[0])total_eval_acc.append(eval_acc.numpy()[0])print(Final validation result: ave loss: %f, ave acc: %f %(np.mean(total_eval_cost), np.mean(total_eval_acc) )) 评估准确率如下 7 预测结果 ​ # 获取数据 def load_data(sentence): # 读取数据字典 with open(‘data/dict.txt’, ‘r’, encoding‘utf-8’) as f_data: dict_txt eval(f_data.readlines()[0]) dict_txt dict(dict_txt) # 把字符串数据转换成列表数据 keys dict_txt.keys() data [] for s in sentence: # 判断是否存在未知字符 if not s in keys: s ‘’ data.append(int(dict_txt[s])) return data train_parameters[batch_size] 1 lab [ 谣言, 非谣言]with fluid.dygraph.guard(place fluid.CUDAPlace(0)):data load_data(兴仁县今天抢小孩没抢走把孩子母亲捅了一刀看见这车的注意了真事车牌号辽HFM055赶紧散播 都别带孩子出去瞎转悠了 尤其别让老人自己带孩子出去 太危险了 注意了辽HFM055北京现代朗动在各学校门口抢小孩110已经 证实全市通缉)data_np np.array(data)data_np np.array(np.pad(data_np,(0,150-len(data_np)),constant,constant_values train_parameters[vocab_size])).astype(int64).reshape(-1)infer_np_doc to_variable(data_np)model_infer CNN()model, _ fluid.load_dygraph(data/save_dir_900.pdparams)model_infer.load_dict(model)model_infer.eval()result model_infer(infer_np_doc)print(预测结果为, lab[np.argmax(result.numpy())])8 最后 更多资料, 项目分享 https://gitee.com/dancheng-senior/postgraduate
http://www.zqtcl.cn/news/649024/

相关文章:

  • 久久建筑网会员登陆中心百度的搜索引擎优化
  • 做网站好还是做程序员好wordpress new图标
  • 秀洲住房与建设局网站徐州建设工程招投标官方网站
  • 做公司网站要注意哪些问题做章的网站
  • 南京建设网站维护洛阳最新通告今天
  • 网站名称创意大全wordpress公开课插件
  • 淮安市城市建设档案馆网站可以做网页的软件
  • 网站空间服务器wordpress 排除置顶文章
  • 有域名后怎么做网站邯郸做移动网站的地方
  • 商标可以做网站吗网站开发的大学生应届简历
  • 长沙长沙网站建设公司saas系统架构
  • 成都销售型网站长春财经学院多大
  • 手机自己制作表白网站app项目网络计划图怎么画
  • 品牌网站如何做seo浏览器正能量网址
  • 开封做网站哪家好网页设计制作网站大一素材
  • 河南网站域名备案莱芜新闻电视台节目表
  • 长春网站建设新格做天猫还是做网站推广
  • 新网站建设的感想安阳区号是什么
  • 余姚市城乡建设局网站wordpress 预览插件
  • 游戏开发和网站开发wordpress foreign trade
  • 网站设计 原型图html购物网站模板
  • 谷歌网站推广报价国产搜什么关键词最好看
  • 婚礼网站有哪些个人做网站需要什么条件
  • 深圳企业网站seo人才招聘网站建设
  • 谷歌下载seo是什么软件
  • 个人网站设计分析小程序在线制作平台
  • 网站开发 一般用什么语言vi视觉设计案例
  • 微信公众平台官方网官网seo优化找哪家做
  • 简约 网站模板网站目录链接怎么做
  • 国内地铁建设公司网站大连做网站外包