yongzhuo / char_cnn_text_classification_chinese2pinyin

char_CNN_text_classification_Chinese2Pinyin，中文转拼音实例-基于字符的卷积神经网络-超短文本分类-主要代码为lc222的github项目，有HTTP访问等

char-CNN-text-classification-tensorflow

Here is an article explaining this code

代码来源

代码绝大部分来源于lc222/char-cnn-text-classification-tensorflow， 仅作中文转pingyin处理, 添加predict

Reqirement

• Python 3.5.5
• Numpy [1.13.1]
• TensorFlow 1.2.1-1.8

predition

python pred_inupt.py

                                                            Connected to pydev debugger (build 171.3780.115)
                                                            正在载入数据、模型...
                                                            载入模型成功1...
                                                            载入模型成功2...
                                                            input_Chinese:
                                                            我想看斗破
                                                            我想看斗破 	 VIDEO
                                                            耗时：  1.718341588973999
                                                            input_Chinese:
                                                            我想唱歌
                                                            我想唱歌 	 APP
                                                            耗时：  0.004961252212524414
                                                            input_Chinese:
                                                            明天天气怎么样
                                                            明天天气怎么样 	 WEATHER
                                                            耗时：  0.0034716129302978516
                                                            input_Chinese:

Running

need构造 训练数据，验证数据， 标签数据 python training.py

Models

charCNN.py : 9-layer large convolutional neural network based on raw character.

数据与步骤

自己构造， a.首先xpinyinUtil.py， 将
我想看火影 （这里是'\t'） VIDEO
转化为
VIDEO （这里是'\t'） zai jiao zhou de tian qi 拼音

b.然后suffle.py打乱 训练数据和验证数据 120000:9600 c.配好config的地址和参数（主要就是训练数据和验证数据、标签数据） 标签数据格式 VIDEO 1 MUSIC 2 d.接着就是training.py 训练800step, 准确率95、96%这样, 验证准确率85.9%，还不错，不过没有LSTM那么好就是了

正确的是1e-4

试了试其他的epsilon=[0.01, 0.001, 1e-5]，学习率为默认0.001。 结果是：前两个太大（？）学习不到什么loss在1.3震荡； 1e-5的结果和默认的1e-8没区别，同样在step=4000左右崩了（然后回升）。 求调参经验！ 举报回复

您好，首先谢谢您的分享。 Q: 我在训练3k步左右（acc=0.8, loss=0.2左右）时，acc骤降（至0.2）loss突增（至10000+），

然后又慢慢回到0.7（acc）左右。请问您有出现这种情况吗？原因您清楚吗？ PS: github上有解释说是Adam的问题（https://stackoverflow.com/questions/42327543/adam-optimizer-goes-haywire-after-200k-batches-training-loss-grows/42420014#42420014）？

问题：restore的时候费了很大力气

char_cnn_text_classification_chinese2pinyin's Issues

您好，想问一下超短文本分类是如何定义的？

1.超短文本分类是如何定义的？
2.超短文本是否容易过拟合？