使用深度学习生成餐厅评论  

使用 Notebook、Keras 和 TensorFlow 为文本生成构建语言模型

| By Madison J. Myers, Jeremy Nixon

Description

如何反击诸如产品评论之类的欺诈问题?借助用于创建这些评论的生成模型。此 Code Pattern 说明了如何在 Notebook 中使用 Keras 和 TensorFlow 来训练深度学习语言模型。通过使用从 Yelp 下载的数据,您将了解如何安装 TensorFlow 和 Keras、训练深度学习语言模型,并生成全新的餐厅评论。虽然此 Code Pattern 的范围仅限于介绍文本生成,但它为学习如何构建语言模型奠定了坚实的基础。

概览

虚假评论是企业日常必须应对的问题。通过使用深度学习模型,您似乎可以生成任何资料,并使其看上去像真实的一样,这些资料甚至有可能对某些人或物极为不利。那么,如何反击此类行为?以其人之道,还治其人之身。通过使用恶性活动所用的模型,您可以构建一个新模型作为原始模型的扩展,以此给予有力反击。

在本 Code Pattern 中,您将了解到如何在 Notebook 中使用 Keras 和 TensorFlow 来训练深度学习语言模型。初始训练集来自于 Kaggle 上找到的有关 Yelp 评论的数据集。安装必备软件并运行 Notebook 后,您可以查看基于初始训练集中的评论生成的餐厅评论。此 Code Pattern 为以下人群而创建:对深度学习和欺诈检测感兴趣的数据科学家和数据爱好者,以及深度学习、TensorFlow 或 Keras 的所有新用户。

学完本 Code Pattern 后,您应该掌握如何:

  • 安装和使用 Keras 与 TensorFlow。
  • 运行 Jupyter Notebook。
  • 创建循环神经网络 (RNN) 语言模型。

  1. 安装必备软件、Keras 和 Tensorflow,然后执行 Notebook。
  2. 使用训练数据对语言模型进行训练。
  3. 根据模型生成新文本并返回给用户。

Instructions

可以在 README 中找到本 Code Pattern 的详细步骤。这些步骤将展示如何:

  1. 下载和安装 TensorFlow 与 Keras。
  2. 克隆该存储库。
  3. 训练模型。
  4. 分析结果。

相关博客

未找到与您的短代码搜索条件匹配的帖子。

相关链接

Jupyter notebook

开源的 Web 应用程序,可让您创建和共享包含实时代码、方程式、可视化文件和说明文本的文档。

Keras

了解关于这个 Python 深度学习库的更多信息。

TensorFlow

一个用于机器智能的开源软件库。