Tgrocery学习及使用

能够学习到短文本分类模型——Tgrocery，十分感谢@GavinBuildSomething把源码及测试数据分享，在此我也作为一名学习者将自己的学习过程记录下来，希望对其他人有所帮助。

  1.学习Tgrocery

这是作者在github上的项目链接包括源码及测试——https://github.com/2shou/TextGrocery

2.Tgrocery使用及细节问题

运行环境：Linux  、mac os  （这个必须注意，不然无法运行）

(1)安装Linux

首先需要安装Linux系统，作者安装的是ubuntu14，下载及安装具体见http://www.cnblogs.com/Climbing-Snail/p /6410128.html（安装ubuntu14是有原因的，在后面遇到会说明）

(2)查看python版本，以及安装交互环境idle

Ubuntu会默认安装python，在命令行输入python可以查看python版本。

这里可以看出使用的python版本为2.7.6       接下来安装python的交互环境idle，在命令行输入下面命令：

sudo apt-get install idle

运行idle可以通过在命令行输入 /usr/bin/idle-python2.7 ，也可以通过图形桌面查找idle，并将其托至左侧创建快捷图标。

(3)安装tgrocery库

Tgrocery是一个python的第三方库，按照作者的话说，在python第三方库中“只此一家，别无分店”。

pip install tgrocery

通过命令  dpkg -s tgrocery 查看包是否安装成功，奇怪的是竟然显示没有安装（当然可能也是刚使用Linux系统，命令不熟，请各位指教）

那么在idle中导入tgrocery来验证是否安装成功，居然是成功的，那么这样就可以顺利进行下面的测试啦。

(4)在idle中测试

已经训练成功，但是出现了python2到python3的兼容问题，后面也不会出现预测值等。这个问题楼主百度了很久都没有解决，后来想到在命令行执行。（这也是博主选择ubuntu14以及python2的原因）

(5)命令行执行测试代码

成功啦！！！

下面将测试代码附上

classify1.py

# coding: utf-8

from tgrocery import Grocery

grocery = Grocery('test')
train_src = [
    ('education', '名师指导托福语法技巧：名词的复数形式'),
    ('education', '中国高考成绩海外认可 是“狼来了”吗？'),
    ('sports', '图文：法网孟菲尔斯苦战进16强 孟菲尔斯怒吼'),
    ('sports', '四川丹棱举行全国长距登山挑战赛 近万人参与')
]
grocery.train(train_src)
print grocery.get_load_status()
predict_result = grocery.predict('考生必读：新托福写作考试评分标准')
print predict_result
print predict_result.dec_values

classify2.py

# coding: utf-8

from tgrocery import Grocery

grocery = Grocery('read_text')
train_src = '/home/wx/sample_data/train_file.txt'
grocery.train(train_src)
print grocery.get_load_status()

predict_result = grocery.predict('考生必读：新托福写作考试评分标准')
print predict_result
print predict_result.dec_values

test1.py

# coding: utf-8

from tgrocery import Grocery

grocery = Grocery('test')
train_src = [
    ('education', '名师指导托福语法技巧：名词的复数形式'),
    ('education', '中国高考成绩海外认可 是“狼来了”吗？'),
    ('sports', '图文：法网孟菲尔斯苦战进16强 孟菲尔斯怒吼'),
    ('sports', '四川丹棱举行全国长距登山挑战赛 近万人参与')
]
grocery.train(train_src)
print grocery.get_load_status()

test_src = [
    ('education', '福建春季公务员考试报名18日截止 2月6日考试'),
    ('sports', '意甲首轮补赛交战记录:米兰客场8战不败国米10年连胜'),
]
test_result = grocery.test(test_src)
print test_result.accuracy_labels
print test_result.recall_labels

test4.py

# coding: utf-8

from tgrocery import Grocery

grocery = Grocery('read_text')
train_src = '/home/wx/sample_data/train_file.txt'
grocery.train(train_src)
print grocery.get_load_status()

f=open('/home/wx/sample_data/question.txt','r')
question=f.readlines()
for line in question:
    line=line.strip()
    predict_result = grocery.predict(line)
    print line
    print predict_result
    print predict_result.dec_values
f.close()

前三段代码2shou已经码好，作者主要写了段对批量文本做预测的代码，希望能有用。

下面博主将会将短文本分类部署到一个简单的服务器上，具体见下节