【文件属性】：
文件名称：PyTextGCN:TextGCN的另一种重新实现，这次是使用Cython和PyTorch-geometric
文件大小：37.36MB
文件格式：ZIP
更新时间：2021-03-15 23:21:10
machine-learning neural-network text-classification graph-neural-networks Python
PyTextGCN
对TextGCN的重新实现。 此实现使用Cython进行文本到图形的转换，因此速度相当快。 图形和GCN基于库。
要求
该项目的构建具有：
的Python 3.8.5
Cython 0.29.21
CUDA 10.2（GPU支持可选）
scikit学习0.23.2
pytorch 1.7.0
火炬几何1.6.3
海湾合作委员会9.3.0
nltk 3.5
scipy 1.5.2
至少Text2Graph模块也应该与这些库的其他版本一起使用。
安装
cython编译可以从项目的根目录执行：
cd textgcn/lib/clib && python setup.py build_ext --inplace
用法
要从称为X的字符串列表（每个字符串包含一个文档的文本）中计算出图形，请创建名为y的标签列表以及测试索引test_idx的列表，只需运行：
【文件预览】：
PyTextGCN-master
----textgcn()
--------__init__.py(105B)
--------lib()
--------test()
----perlevel_amazon.py(6KB)
----requirements.yml(2KB)
----data()
--------amazon()
----MLP_label.py(7KB)
----mlp_helper.py(5KB)
----MLP_flat.py(4KB)
----results.csv(695B)
----perlevel_dbpedia.py(8KB)
----flat_dbpedia.py(5KB)
----perlabel_amazon.py(5KB)
----README.md(2KB)
----MLP_level.py(6KB)
----results_dbpedia.csv(249B)
----benchmark_graph.py(2KB)
----flat_amazon.py(5KB)
----old()
--------h_o_hierarchical.py(5KB)
--------h_o_train_dbpedia.py(5KB)
--------Flat_HypOpt_Cat2_03_Feb_21_10_36_11.csv(3KB)
--------Lvl_HypOpt_Cat1_02_Feb_21_16_14_38.csv(3KB)
--------Hierarchical_HypOpt_Cat2_04_Feb_21_09_29_36.csv(3KB)
--------HypOpt_Labels_Cat2_05_Feb_21_09_14_16.csv(21KB)
--------h_o_lables.py(6KB)
--------h_o_train.py(5KB)
----eval_perlabel.py(2KB)