深度学习-TextCNN-医疗关系抽取

BIT龙超越

已于 2022-05-04 17:09:56 修改

阅读量1.9k

点赞数 2

文章标签：深度学习 nlp 非关系型数据库

于 2022-04-22 21:22:30 首次发布

本文链接：https://blog.youkuaiyun.com/weixin_47895059/article/details/124355412

版权

本文介绍了一种使用TextCNN模型进行文本情感分析的方法，通过词嵌入、位置编码和多尺度卷积操作，结合MaxPooling实现句子特征提取。模型详细解释了初始化步骤、词嵌入和dropout组件，展示了如何处理输入并生成情感预测。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

模型代码如下所示

import jieba
import torch
import torch.nn as nn
import torch.nn.functional as functions
import numpy as np
import time
# -*- coding: utf-8 -*-
#
# coding: utf-8
class TextCNN_Model(nn.Module):

    def __init__(self, configs):
        super(TextCNN_Model, self).__init__()
        vocab_size = configs.vocab_size
        embedding_dimension = configs.embedding_dimension
        label_num = configs.label_num
        self.sentence_len=210
        self.p_embed_n=25
        self.out_num=50
        self.relation_dic = np.load("rela_dic.npy", allow_pickle=True).item()
        self.conv0 = nn.Sequential(
            nn.Conv1d(in_channels=2*self.p_embed_n+embedding_dimension,out_channels=self.out_num,kernel_size=(3),bias=False,padding=(1)),
            nn.LayerNorm([self.sentence_len]),
            nn.ReLU(),


        )
    
        self.conv1 = nn.Sequential(
            nn.Conv1d(in_channels&#