假设我有一个像下面这样的模型:
class BERT_Subject_Classifier(nn.Module):
def __init__(self,out_classes,hidden1=128,hidden2=32,dropout_val=0.2):
super(BERT_Subject_Classifier, self).__init__()
self.hidden1 = hidden1
self.hidden2 = hidden2
self.dropout_val = dropout_val
self.logits = logit
self.bert = AutoModel.from_pretrained('bert-base-uncased')
self.out_classes = out_classes
self.unfreeze_n = unfreeze_n # make the last n layers trainable
self.dropout = nn.Dropout(self.dropout_val)
self.relu = nn.ReLU()
self.fc1 = nn.Linear(768,self.hidden1)
self.fc2 = nn.Linear(self.hidden1,self.hidden2)
self.fc3 = nn.Linear(self.hidden2,self.out_classes)
def forward(self, sent_id, mask):
_, cls_hs = self.bert(sent_id, attention_mask=mask)
x = self.fc1(cls_hs)
x = self.relu(x)
x = self.dropout(x)
x = self.fc2(x)
x = self.dropout(x)
return self.fc3(x)
我训练了我的模型,对于一个新的数据点 x = ['My Name is Slim Shady']
,我得到了标签结果为3
。
我的问题是如何检查哪些单词在句子中负责分类?我想说它可以是任何一组单词。是否有库或方法来检查功能?就像论文和Tensorflow Implementation of show Attend and Tell
所示,您可以获取模型关注的图像区域。我如何在文本中做到这一点?
'我的是Slim Shady'
,'我的名字Slim Shady'
,'我的名字是Shady'
等等,然后再去掉两个词的句子等等。也许通过这种方式,我可以确定哪个词(或词组)能够得到更好的结果。 - furas