详解文本分类之多通道CNN的理论与实践

导读

最近在梳理文本分类的各个神经网络算法，特意一个来总结下。接下来将要一个文章一个文章的讲解各个算法的理论与实践。目录暂定为：

1. 多通道卷积神经网络（multi_channel_CNN）

2. 深度卷积神经网络（deep_CNN）

3. 基于字符的卷积神经网络（Char_CNN）

4. 循环与卷积神经网络并用网络（LSTM_CNN）

5. 树状循环神经网络（Tree-LSTM）

6. Transformer（目前经常使用于NMT）

7. etc..

以后的之后再补充。今天咱们先讲第一个，多通道卷积神经网络。

先前知识补充

先说点基础的，咱们最刚开始的分类其实就是embedding层以后直接通过线性层进行降维，将其映射到分类上，图为：

而后由于参数太多，计算太慢，因此产生了pooling池化层，取指定维度的一个参数表明整个维度，从而大大下降了计算量，并且效果还不错。图为：

以后又有人想到没有充分的利用到句子的上下词语的关系，因此就讲图像算法的CNN运用到了NLP上，这个就至关于NLP里的n-gram（unigram，bigram，trigram...）同样，寻找相邻词语组合造成的特征。图为：

有了上面的基础，咱们引出multi_channel_CNN就容易多了。

multi_channel_CNN

多通道，就是CNN中的一次性卷积要处理的多少组数据。好比图像中，若是是只有灰度值的图像就只有一个通道，若是是彩色图片的话，就会RGB三个图像（也就是三个通道）。那么NLP中怎么利用这个多通道特征呢？有人就想了NLP中不就一个句子长度 * embed维度组成的一个二维输入吗？是这样的，刚开始咱们用的都是单通道的。

可是有人就提出了这样的想法：

初始化两个不一样的embedding，将句子用两个embedding表示出来，这样就能够有两个通道了。

时间确实是这样的，可是咱们经常使用的是一个是随机初始化的embedding，另外一个是使用预训练embedding（w2v or GloVe ...）。图为：

实践

这个其实和图像是想的差很少了。（pytorch）

class Multi_Channel_CNN 初始化：

def __init__(self, opts, vocab, label_vocab):
       super(Multi_Channel_CNN, self).__init__()

       random.seed(opts.seed)
       torch.manual_seed(opts.seed)
       torch.cuda.manual_seed(opts.seed)

       self.embed_dim = opts.embed_size
       self.word_num = vocab.m_size
       self.pre_embed_path = opts.pre_embed_path
       self.string2id = vocab.string2id
       self.embed_uniform_init = opts.embed_uniform_init
       self.stride = opts.stride
       self.kernel_size = opts.kernel_size
       self.kernel_num = opts.kernel_num
       self.label_num = label_vocab.m_size
       self.embed_dropout = opts.embed_dropout
       self.fc_dropout = opts.fc_dropout

       self.embeddings = nn.Embedding(self.word_num, self.embed_dim)
       self.embeddings_static = nn.Embedding(self.word_num, self.embed_dim)

       if opts.pre_embed_path != '':
           embedding = Embedding.load_predtrained_emb_zero(self.pre_embed_path, self.string2id)
           self.embeddings_static.weight.data.copy_(embedding)
       else:
           nn.init.uniform_(self.embeddings_static.weight.data, -self.embed_uniform_init, self.embed_uniform_init)

       nn.init.uniform_(self.embeddings.weight.data, -self.embed_uniform_init, self.embed_uniform_init)

       # 2 convs
       self.convs = nn.ModuleList(
           [nn.Conv2d(2, self.embed_dim, (K, self.embed_dim), stride=self.stride, padding=(K // 2, 0)) for K in self.kernel_size])

       in_fea = len(self.kernel_size)*self.kernel_num
       self.linear1 = nn.Linear(in_fea, in_fea // 2)
       self.linear2 = nn.Linear(in_fea // 2, self.label_num)
       self.embed_dropout = nn.Dropout(self.embed_dropout)
       self.fc_dropout = nn.Dropout(self.fc_dropout)

这个部分主要将输入的通道数1改成2便可。

数据流通部分：

def forward(self, input):
       static_embed = self.embeddings_static(input)  # torch.Size([64, 39, 100])
       embed = self.embeddings(input)  # torch.Size([64, 39, 100])

       x = torch.stack([static_embed, embed], 1)  # torch.Size([64, 2, 39, 100])

       out = self.embed_dropout(x)

       l = []
       for conv in self.convs:
           l.append(F.relu(conv(out)).squeeze(3))  # torch.Size([64, 100, 39])

       out = l
       l = []
       for i in out:
           l.append(F.max_pool1d(i, kernel_size=i.size(2)).squeeze(2))  # torch.Size([64, 100])

       out = torch.cat(l, 1)  # torch.Size([64, 300])

       out = self.fc_dropout(out)

       out = self.linear1(out)
       out = self.linear2(F.relu(out))

       return out

这里主要就是一个stack函数的应用，将两个embedding放到一个新的维度里。

数据对比

能够明显看出多通道优势仍是很突出的。

github地址：

https://github.com/zenRRan/Sentiment-Analysis/blob/master/models/multi_channel_CNN.py

欢迎fork，有问题你们尽管指出！

PS：上述图片均来自于导师张梅山，唐都钰的《Deep Learning in Natural Language Processing》的情感分析篇。

IELTS a bit

rival n. 竞争对手

        v. 与...相匹敌

roar n/v. 咆哮，吼叫

robust adj. 强劲的；富有活力的

slippery adj. 滑的；光滑的