carpedm20/variational-text-tensorflow

Bad performance in document classification

Open

#2 aberto em 12 de jan. de 2017

Ver no GitHub
 (1 comment) (0 reactions) (0 assignees)Python (76 forks)github user discovery
enhancementhelp wanted

Métricas do repositório

Stars
 (535 stars)
Métricas de merge de PR
 (Métricas PR pendentes)

Description

Hi Taehoon,

Thank you for sharing your implementation. Have you tried applying the NVDM model in some downstream tasks like document classification? I did not find such experiments in the original paper, so I did my own. After running your code on the 20 Newsgroups data set and training a simple classifier on learned document representations, I got a quite low accuracy (5% in my experiment). In addition, I found when I set max_iter too large, I got NaN errors when running the code.

Any help will be highly appreciated！

Thanks, Hugo

Guia do colaborador

Direção de pesquisa
Investigue a causa da baixa precisão de classificação e erros NaN. Verifique o loop de treinamento do modelo NVDM, hiperparâmetros (ex.: max iter), pré processamento dos dados do 20 Newsgroups e o processo de aprendizado do classificador. Procure por problemas potenciais na inferência variacional ou na perda de reconstrução que possam levar a representações degeneradas.
Pilha de tecnologia
pythontensorflow
Domain
machine learning
Tipo Issue
Bug
DifficultyDificuldade de implementação estimada para um novo contribuidor, de 1 para alterações muito pequenas a 5 para trabalho de nível especializado.
2
Tempo estimadoUm intervalo de tempo aproximado para um colaborador experiente investigar, implementar, testar e preparar um pull request.
1-3 horas
Status da atividadeQuão disponível o issue aparece agora: novo, ativo, obsoleto, bloqueado ou aguardando entrada do mantenedor.
Ativo
ClarityCom que clareza o issue explica a mudança esperada, os critérios de aceitação e a próxima etapa.
Precisa de investigação
Prerequisites
PythonTensorFlowBasic NLP concepts
Simpatia para novatosUma pontuação de 1 a 100 que estima o quão acessível este issue é para colaboradores iniciantes.
60