始める無料で始める

テキスト向けの CNN モデルを構築する

PyBooks は書籍レコメンデーションエンジンの構築に成功しました。次の課題は、ユーザーレビューを理解して書籍の嗜好を把握するための感情分析モデルを実装することです。

ここでは、畳み込みニューラルネットワーク（CNN）モデルを使って、テキストデータ（書評）を感情に基づいて分類します。

torch、torch.nn は nn として、torch.nn.functional は F として読み込まれています。

この演習はコースの一部です

PyTorch で学ぶテキストの Deep Learning

コースを見る

演習の手順

  • __init__() メソッドで埋め込み層を初期化します。
  • forward() メソッド内で、embedded テキストに畳み込み層 self.conv を適用します。
  • forward() メソッド内で、この層に ReLU 活性化を適用します。

実践的なインタラクティブ演習

このサンプルコードを完成させて、この演習に挑戦してみましょう。

class TextClassificationCNN(nn.Module):
    def __init__(self, vocab_size, embed_dim):
        super(TextClassificationCNN, self).__init__()
        # Initialize the embedding layer 
        self.embedding = ____.____(vocab_size, embed_dim)
        self.conv = nn.Conv1d(embed_dim, embed_dim, kernel_size=3, stride=1, padding=1)
        self.fc = nn.Linear(embed_dim, 2)
    def forward(self, text):
        embedded = self.embedding(text).permute(0, 2, 1)
        # Pass the embedded text through the convolutional layer and apply a ReLU
        conved = ____.____(self.conv(____))
        conved = conved.mean(dim=2) 
        return self.fc(conved)
コードを編集して実行