建立运行环境

• 下面提供一个基于 docker 建立运行环境的方法。你也可以使用任何其他方式构建运行环境，注意本仓库需要 Python3.7 及以上，所需的 package 请见 ./docker/requirements.txt

• 如果使用 docker，请注意替换 docker 源为国内源，否则可能导致镜像拉取失败

• 运行下面的命令，构建一个 docker image。这个脚本命令会拉取 Python3 镜像，替换 Apt 和 pip3 源，安装本仓库所需的所有 package，并建立必要的用户和用户组

  ./docker/docker_script.sh build

• 运行下面的命令，建立运行时 container。这个脚本命令会使用刚刚构建的镜像来建立容器，并运行 bash。得到的容器会挂载本仓库的文件目录，可以直接交互，容器在退出后会自动删除

  ./docker/docker_script.sh run

放置数据文件

• 请将数据文件放置在 ./data 下

  data
  ├── train.csv
  └── test.csv
  

运行实验

• 运行下面的命令，得到 bagging + svm 结果

  ./src/main.py -d 300 -t svm -c 10 -f bagging -n {NUM_WORKERS} -o {OUTPUT_PATH}
  

  其中 NUM_WORKER 表示多进程的最大并行数，请根据运行机器的实际情况选择合适的数值

  OUTPUT_PATH 为输出文件的路径

• 运行下面的命令，得到 bagging + dt 结果

  ./src/main.py -d 300 -t dt -c 10 -f bagging -n {NUM_WORKERS} -o {OUTPUT_PATH}
  

  其中 NUM_WORKER 表示多进程的最大并行数，请根据运行机器的实际情况选择合适的数值

  OUTPUT_PATH 为输出文件的路径

• 运行下面的命令，得到 adaboost + svm 结果

  ./src/main.py -d 300 -t svm -i 20 -f adaboost -n {NUM_WORKERS} -o {OUTPUT_PATH}
  

  其中 NUM_WORKER 表示多进程的最大并行数，请根据运行机器的实际情况选择合适的数值

  OUTPUT_PATH 为输出文件的路径

• 运行下面的命令，得到 adaboost + dt 结果

  ./src/main.py -d 300 -t dt -i 20 -f adaboost -n {NUM_WORKERS} -o {OUTPUT_PATH}
  

  其中 NUM_WORKER 表示多进程的最大并行数，请根据运行机器的实际情况选择合适的数值

  OUTPUT_PATH 为输出文件的路径

• 运行下面的命令，训练 cnn 分类器

  ./src/cnn/main.py -p {PREFIX}
  

  其中 PREFIX 是用于区分的前缀，自定即可

  运行下面的命令，使用训练好的 cnn 分类器进行 predict

  ./src/cnn/main.py --is-pred -l {MODEL_NAME} -w {WEIGHT_NAME} -o {OUTPUT_PATH}
  

  其中 MODEL_NAME 是训练的模型，即 {PREFIX}model.h5

  WEIGHT_NAME 是训练的神经网络权重，即 {PREFIX}weights.best.hdf5

  OUTPUT_PATH 为输出文件的路径

• 一些参考结果存放于 ./result/中

  集成学习结果的命名格式为 {框架}.{迭代次数}.{分类器}.{词向量维度}[.{决策树深度}].csv

  • adaboost.20.dt.d300.depth5.csv
  • adaboost.20.dt.d300.depth10.csv
  • adaboost.20.dt.d300.depth20.csv
  • adaboost.20.svm.d300.csv
  • bagging.10.dt.d300.depth5.csv
  • bagging.10.dt.d300.depth10.csv
  • bagging.10.dt.d300.depth20.csv
  • bagging.10.svm.d300.csv
  • cnn.summary.csv
  • cnn.reviewText.csv