# Multi_label_classification

**Repository Path**: zhangbeibei_page/Multi_label_classification

## Basic Information

- **Project Name**: Multi_label_classification
- **Description**: 以多罪名预测任务为导向，建立以 Seq2Seq+attention、Transformer 等为基础的序列生成模型，完成在 RCV1-V2、AAPD 等多标签数据集上的模型训练及使用。

- **Primary Language**: Python
- **License**: LGPL-2.1
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2020-08-19
- **Last Updated**: 2020-12-19

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# Multi_label_classification

   以多罪名预测任务为导向，建立以 Seq2Seq+attention、Transformer 等为基础的序列生成模型，完成在 RCV1-V2、AAPD 等多标签数据集上的模型训练及使用。
    
考虑到罪名标签空间大，标签之间存在关联性，传统以 Binary Relevance、Classifier Chains、Label Powerset 为代表的模型不再适用当前任务，我们从机器翻译角度，将多罪名预测任务转换成序列生成任务，并取得良好效果，在 Baseline 平均 F1 值 0.645 的基础上，我们的模型 F1 值达到了 0.68。

### 数据预处理
daset地址：https://pan.baidu.com/s/1TfqIkiiLqqYW21m-tELF_Q 提取码：jp5h  解压后放入data文件夹下，运行data/data_preprocess.py
### 训练并保存模型
model/seq2seq.py
### 加载模型并预测
predict/predict.py
### 指标计算
predict/metric_compute.py