|
|
马上注册，结交更多好友，享用更多功能^_^
您需要 登录 才可以下载或查看，没有账号？立即注册
x
上两节的python小练习，已经介绍了如何利用keras快速搭建神经网络处理一些简单的数字图片和验证码。
今天就再深入一层，分享一下，如何利用keras搭建的神经网络处理英语文章的自动识别以及分类，之后还会逐步分享如果用神经网络来自动识别垃圾邮件，处理中文文章，语义分析，情感分析等等。
我先从网上随意截取了20段英语文章（段落），为了便于计算，我取了15段财经方面的文章，5段体育文章，分别进行了标记，分成2类。
用其中的18段进行训练，剩下的2段进行预测并验证。
标记的规则如下：
如果是财经文章，则标记为[1, 0]，体育文章标记为[0, 1]
我一共训练了10次，先来看看训练结果。
Epoch 1/10
18/18 [==============================] - 17s - loss: 0.7673
Epoch 2/10
18/18 [==============================] - 17s - loss: 0.4939
Epoch 3/10
18/18 [==============================] - 17s - loss: 0.0781
Epoch 4/10
18/18 [==============================] - 17s - loss: 0.0595
Epoch 5/10
18/18 [==============================] - 17s - loss: 0.0495
Epoch 6/10
18/18 [==============================] - 17s - loss: 0.0422
Epoch 7/10
18/18 [==============================] - 17s - loss: 0.0365
Epoch 8/10
18/18 [==============================] - 17s - loss: 0.0320
Epoch 9/10
18/18 [==============================] - 17s - loss: 0.0283
Epoch 10/10
18/18 [==============================] - 17s - loss: 0.0253
从这10次训练效率来看，loss值在不断减小，说明机器确实在不断地学到东西。从最初的loss=0.76，降到了0.02，减小了38倍。
再来看看预测情况，我用剩余的2段财经文章做为输入，看看输出情况。
2/2 [==============================] - 0s
[[ 0.88444269 0.11555731]
[ 0.80667311 0.19332691]]
可以看到，机器判断第一篇文章是财经文章的概率为88%，第二篇文章是财经文章的概率是80%，判断还是相当准确的，而且可信度相当高。
这就是强大的机器学习！
如果机器可以帮助我们自动分析文章，自动判断语义情感的话，那就可以用来做很多事情啦！ 大开脑洞吧！
源代码如下：
|
|
( 粤ICP备18085999号-1 | 粤公网安备 44051102000585号)
狗仔卡
发表于 2017-4-13 17:48:46
置顶卡
千斤顶
显身卡
楼主
发表于 2017-4-13 21:22:03