项目之头满分_2FastText

2026/6/15 18:00:31

1. 使用FastText原因

使用FastText原因？：快？
FastText最初训练语料是英文，英文天然支持每个单词之间是有空格的，所以中文相较英文语料的文本分类任务或者词嵌入都会多一步分词；
FastText 对输入数据有格式要求，难点在于将数据处理为符合FastText 的格式：文本句子分词后拼接：_label_xxx

2. 代码结构图

3. 基于FastText分类建模思路

3.1 分词

对数据train.txt等相关文件的文本列进行分词处理，两种处理思路字符级别以及词级别。(按照单字符级别分字处理；或者使用jieba分词器进行词级别分词处理；)

② 利用FastText库进行建模、评估与保存。
③ 模型预测

④ 模型部署，提供api接口

⑤ 前端预测实现

4. 代码

4.1 配置文件

ft01_config.py：
配置：1.原始数据路径、2.处理好(分词后)的数据存放路径、3.模型保存路径、5.是否使用字符级别的分词；

4.2 数据预处理

4.1 分词

两种处理思路字符级别以及词级别：按照单字符级别分字处理；或者使用jieba分词器进行词级别分词处理；

4.3 auto自动调参

1. 原始的模型：（未使用自动调参）

model=fasttext.train_supervised(input="./data/train_fastText_jieba.txt")# train_xx 训练集

2. FastTest使用自动调参：
① input（训练集）：训练多组不同超参数的模型；
② autotuneValidationFile（验证集）：评估每组超参数的效果，最终选出在验证集上表现最好的那组超参数。开启自动调参。当传入这个参数，fasttext会进入自动调参模式，自动搜索最优的超参数组合（如学习率 lr、epoch 数、ngram 阶数、词向量维度 dim 等）。如果不传，不会自动调参；值是验证集；
③ autotuneDuration：调参搜索的总时间（秒）（即自动搜索最优的超参数组合），时间越长搜索越充分；
④ thread：：指定训练时使用的 CPU 线程数量；（3-用 3 个 CPU 线程并行训练）
⑤ verbose：输出日志详细程度，值越大，输出的日志越详细：0-静默，不输出任何信息、1-只输出关键信息（如最终结果）、2-输出训练进度（如每个 epoch 的 loss）、3-最详细，输出调参全过程的详细信息；（3-输出最详细的调参日志）
⑥ seed：设置随机数种子，确保每次运行代码时结果一致（可复现性）。

model=fasttext.train_supervised(input="./data/train_fastText_jieba.txt",# train_xx 训练集# autotuneValidationFile当传入这个参数，fasttext会进入自动调参模式，自动搜索最优的超参数组合# （如学习率 lr、epoch 数、ngram 阶数、词向量维度 dim 等）。如果不传，不会自动调参；autotuneValidationFile="./data/dev_fastText_jieba.txt",# dev_xx 验证集# 调参搜索的总时间（秒），时间越长搜索越充分autotuneDuration=120,# 搜索的时间 默认300sthread=3,# 单线程，确保可复现性verbose=3,# 输出调参过程seed=42)