Repositorio de pruebas en ML y DL para clasificación de texto
/data
- data.pickle: Datos del TREC-6 guardados en el formato pickle. (Xtrain, ytrain), (Xtest, ytest)
- word2vec.npz: Un embedding creado con word2vec. Es una matriz numpy.
- Xavier.npz: Un embedding inicializado aleatoriamente con la distribución xavier. Es una matriz numpy.
/fen
Modelos implementados usando exclusivamente tensorflow. Existe una clase 'Classifier', que engloba un modelo, es capaz de entrenarlo y sacar estadísticas.
Actualmente hay 5 modelos implementados
- Yoon Kim, CNN: Basado en el modelo https://arxiv.org/pdf/1408.5882.pdf.
- Joongbo Shin, C-CNN: Basado en el modelo http://milab.snu.ac.kr/pub/BigComp2018.pdf.
- Chunting Zhou, C-LSTM: Basado en el modelo https://arxiv.org/pdf/1511.08630.
- Rui Zhang, LSTM-CNN: Basado en el modelo https://arxiv.org/pdf/1611.02361.pdf.
- Peng Zhou, BLSTM-CNN: Basado en el modelo https://arxiv.org/pdf/1611.06639v1.pdf.
- LSTM: Un modelo simple utilizando celdas LSTM, simplemente de pruebas.
/tests
Ejemplos de uso de esta biblioteca, además de pequeños tests.