質問をすることでしか得られない、回答やアドバイスがある。

15分調べてもわからないことは、質問しよう!

ただいまの
回答率

89.12%

LSIでの次元削減における次元数指定がうまくいかない

受付中

回答 0

投稿 編集

  • 評価
  • クリップ 0
  • VIEW 179

KazuyaKojima

score 15

現在twitterのつぶやきを感情分析する自然言語処理をしており、bag of wordsを用いてつぶやきのベクトル化を試みています。
bag of wordsにてベクトル化した文書ベクトルをLSIを用いて次元削減をしようとしているのですがなぜか指定した次元数にならず学習の際にエラーが出てしまいます。

理由が全く分からず質問させていただきました。

やろうとしているフローチャート:
DBからつぶやき取得

形態素解析

bag of wordsでベクトル化

LSIを用いて150次元に削減   ←ここで次元数の指定がうまくいかない

学習・推定

エラー文:
Exception in main training loop: all the input array dimensions for the concatenation axis must match exactly, but along dimension 1, the array at index 0 has size 150 and the array at index 14 has size 149

Traceback (most recent call last):
File "/Users/kojimakazuya/anaconda3/lib/python3.7/site-packages/chainer/training/trainer.py", line 319, in run
entry.extension(self)
File "/Users/kojimakazuya/anaconda3/lib/python3.7/site-packages/chainer/training/extensions/evaluator.py", line 161, in call
result = self.evaluate()
File "/Users/kojimakazuya/anaconda3/lib/python3.7/site-packages/chainer/training/extensions/evaluator.py", line 216, in evaluate
self.converter, batch, self.device)
File "/Users/kojimakazuya/anaconda3/lib/python3.7/site-packages/chainer/dataset/convert.py", line 73, in _call_converter
return converter(batch, device)
File "/Users/kojimakazuya/anaconda3/lib/python3.7/site-packages/chainer/dataset/convert.py", line 58, in wrap_call
return func(*args, **kwargs)
File "/Users/kojimakazuya/anaconda3/lib/python3.7/site-packages/chainer/dataset/convert.py", line 223, in concat_examples
[example[i] for example in batch], padding[i])))
File "/Users/kojimakazuya/anaconda3/lib/python3.7/site-packages/chainer/dataset/convert.py", line 254, in _concat_arrays
[array[None] for array in arrays])
File "<array_function internals>", line 6, in concatenate
Will finalize trainer extensions and updater before reraising the exception.

####trainer.run()で学習を行う際に入力ベクトルの次元数が揃っていないため学習が行えないというエラー####

Traceback (most recent call last):
File "train_review.py", line 171, in <module>
trainer.run()
File "/Users/kojimakazuya/anaconda3/lib/python3.7/site-packages/chainer/training/trainer.py", line 349, in run
six.reraise(*exc_info)
File "/Users/kojimakazuya/anaconda3/lib/python3.7/site-packages/six.py", line 693, in reraise
raise value
File "/Users/kojimakazuya/anaconda3/lib/python3.7/site-packages/chainer/training/trainer.py", line 319, in run
entry.extension(self)
File "/Users/kojimakazuya/anaconda3/lib/python3.7/site-packages/chainer/training/extensions/evaluator.py", line 161, in call
result = self.evaluate()
File "/Users/kojimakazuya/anaconda3/lib/python3.7/site-packages/chainer/training/extensions/evaluator.py", line 216, in evaluate
self.converter, batch, self.device)
File "/Users/kojimakazuya/anaconda3/lib/python3.7/site-packages/chainer/dataset/convert.py", line 73, in _call_converter
return converter(batch, device)
File "/Users/kojimakazuya/anaconda3/lib/python3.7/site-packages/chainer/dataset/convert.py", line 58, in wrap_call
return func(*args, **kwargs)
File "/Users/kojimakazuya/anaconda3/lib/python3.7/site-packages/chainer/dataset/convert.py", line 223, in concat_examples
[example[i] for example in batch], padding[i])))
File "/Users/kojimakazuya/anaconda3/lib/python3.7/site-packages/chainer/dataset/convert.py", line 254, in _concat_arrays
[array[None] for array in arrays])
File "<array_function internals>", line 6, in concatenate

ValueError: all the input array dimensions for the concatenation axis must match exactly, but along dimension 1, the array at index 0 has size 150 and the array at index 14 has size 149

↑のように所々149次元(データセットは全6539件)になったりして次元数が揃ってないことによって学習ができなくなっています。

import db
import pandas as pd
import numpy as np
import time
import MeCab
import datetime
import pymysql.cursors
import gensim
import mlp
import random
from gensim import corpora,matutils
import pickle
import screaning
from chainer import serializers

# DB操作用にカーソルを作成
cursor = db.conn.cursor()

try:
  cursor.execute('select label, sentence from tweet_to_sentence where id <= 7000')
  result = cursor.fetchall()
finally:
  cursor.close()
  db.conn.close()

mecab = MeCab.Tagger ('-d /usr/local/lib/mecab/dic/mecab-ipadic-neologd')
mecab.parse('')#文字列がGCされるのを防ぐ

words_list = []
label = []

# 形態素解析(BoW)
for sentence in result:
    sentence_label = sentence["label"]
    words = sentence["sentence"]
    node = mecab.parseToNode(words)
    word_list = []
    while node:
        if node.feature.split(",")[0] == u"名詞" and node.feature.split(",")[1] != u"固有名詞":
            if node.feature.split(",")[1] != u"数" and len(node.feature.split(",")[6]) >= 2:
                word_list.append(node.surface)   
        elif node.feature.split(",")[0] == u"形容詞":
            word_list.append(node.feature.split(",")[6])
        elif node.feature.split(",")[0] == u"動詞":
            word_list.append(node.feature.split(",")[6])
        elif node.feature.split(",")[6] == u"ない":
            word_list.append(node.feature.split(",")[6])
        node = node.next    

    # 空行列は無視
    if not word_list:
        continue

    label.append(sentence_label)
    words_list.append(word_list)

# BoWによるベクトル化
dictionary = corpora.Dictionary(words_list)
num=[]
tweet_vec=[]

bow_corpus = [dictionary.doc2bow(d) for d in words_list]
tfidf_model = gensim.models.TfidfModel(bow_corpus)
tfidf_corpus = tfidf_model[bow_corpus]

lsi_model = gensim.models.LsiModel(tfidf_corpus, id2word=dictionary, num_topics=150)#ここで次元数を指定しているが??

lsi_corpus = lsi_model[tfidf_corpus]

for i in range(len(lsi_corpus)):
    w_vec = []
    for vec in lsi_corpus[i]:
        w_vec.append(list(vec)[1])
    w_vec = np.array(w_vec,dtype="float32")
    # w_vec = w_vec.reshape([13,13])
    # w_vec = w_vec[np.newaxis,:,:]
    tweet_vec.append(w_vec)
tweet_vec = np.array(tweet_vec)


#アンダーサンプリング
data_set = list(zip(tweet_vec, label))
data1 = []
data2 = []
for i in range(len(data_set)):
    if data_set[i][1] == 0:
        data1.append(data_set[i])
    elif data_set[i][1] == 1:
        data2.append(data_set[i])

data1 = random.sample(data1, len(data2))
x1, t1 = list(zip(*data1))
x2, t2 = list(zip(*data2))

train_tweet = x1[:int(len(x1)*0.8)] + x2[:int(len(x2)*0.8)]
test_tweet = x1[int(len(x1)*0.8):] + x2[int(len(x2)*0.8):]
train_label = t1[:int(len(t1)*0.8)] + t2[:int(len(t2)*0.8)]
test_label = t1[int(len(t1)*0.8):] + t2[int(len(t2)*0.8):]

# 学習(MLP)
train = list(zip(train_tweet,train_label))
test = list(zip(test_tweet,test_label))
batchsize = 30
train_iter = mlp.iterators.SerialIterator(train, batchsize, shuffle=True, repeat=True)
test_iter = mlp.iterators.SerialIterator(test, batchsize, shuffle=True, repeat=False)

model = mlp.MLP()
net = mlp.L.Classifier(model)
optimizer = mlp.optimizers.MomentumSGD(lr=0.01).setup(net)
updater = mlp.training.StandardUpdater(train_iter, optimizer, device=-1) # device=-1でCPUでの計算実行を指定

epoch = 100
trainer = mlp.training.Trainer(updater, (epoch, 'epoch'), out='result')

# テストデータで評価
trainer.extend(mlp.extensions.Evaluator(test_iter, net, device = -1))

# 学習を記録
trainer.extend(mlp.extensions.LogReport(trigger=(1, 'epoch')))
trainer.extend(mlp.extensions.PrintReport(['epoch', 'main/loss', 'main/accuracy','validation/main/loss', 'validation/main/accuracy', 'elapsed_time']), trigger=(1, 'epoch'))

trainer.run()

#モデルを保存
serializers.save_npz("mlpmodel_review.npz", net)
  • 気になる質問をクリップする

    クリップした質問は、後からいつでもマイページで確認できます。

    またクリップした質問に回答があった際、通知やメールを受け取ることができます。

    クリップを取り消します

  • 良い質問の評価を上げる

    以下のような質問は評価を上げましょう

    • 質問内容が明確
    • 自分も答えを知りたい
    • 質問者以外のユーザにも役立つ

    評価が高い質問は、TOPページの「注目」タブのフィードに表示されやすくなります。

    質問の評価を上げたことを取り消します

  • 評価を下げられる数の上限に達しました

    評価を下げることができません

    • 1日5回まで評価を下げられます
    • 1日に1ユーザに対して2回まで評価を下げられます

    質問の評価を下げる

    teratailでは下記のような質問を「具体的に困っていることがない質問」、「サイトポリシーに違反する質問」と定義し、推奨していません。

    • プログラミングに関係のない質問
    • やってほしいことだけを記載した丸投げの質問
    • 問題・課題が含まれていない質問
    • 意図的に内容が抹消された質問
    • 過去に投稿した質問と同じ内容の質問
    • 広告と受け取られるような投稿

    評価が下がると、TOPページの「アクティブ」「注目」タブのフィードに表示されにくくなります。

    質問の評価を下げたことを取り消します

    この機能は開放されていません

    評価を下げる条件を満たしてません

    評価を下げる理由を選択してください

    詳細な説明はこちら

    上記に当てはまらず、質問内容が明確になっていない質問には「情報の追加・修正依頼」機能からコメントをしてください。

    質問の評価を下げる機能の利用条件

    この機能を利用するためには、以下の事項を行う必要があります。

質問への追記・修正の依頼

  • hayataka2049

    2020/03/24 03:07

    エラーメッセージをtraceback含めた全体にしていただくと回答しやすいです。

    キャンセル

  • KazuyaKojima

    2020/03/24 10:21

    修正いたしました!

    キャンセル

  • hayataka2049

    2020/03/24 11:13

    読みづらいのでこちらもコードと同様にブロックで囲んでいただけると助かります。

    キャンセル

まだ回答がついていません

15分調べてもわからないことは、teratailで質問しよう!

  • ただいまの回答率 89.12%
  • 質問をまとめることで、思考を整理して素早く解決
  • テンプレート機能で、簡単に質問をまとめられる