multi-class-text-classification-cnn-rnn

jiegzhanApache-2.0更新放缓

用 TensorFlow 把 Kaggle 旧金山犯罪描述分成 39 类，CNN、GRU、LSTM 搭配词向量做多分类文本建模，适合入门文本分类实战。

Classify Kaggle San Francisco Crime Description into 39 classes. Build the model with CNN, RNN (GRU and LSTM) and Word Embeddings on Tensorflow.

暂无版本601star256fork同步于 2026-11-07 07:31 UTC

文本分类词向量 TensorFlow CNN LSTM

对比 GitHub 官网 cnn embeddings kaggle lstm rnn

怎么上手

由 README 提炼，执行前请确认

原文

python3 -m venv .venv
source .venv/bin/activate
pip install -r requirements.txt

硬件要求按 README 说明

README 未说明

下载：源码 zip·GitHub Releases（安装包）本站不镜像安装包

项目说明

由 README 自动翻译提炼

没人工点评？写下你的经验

用 TensorFlow 2.x Keras 实现 TextCNN+GRU 混合模型，把旧金山犯罪描述分成 39 类

用 TensorFlow 把 Kaggle 旧金山犯罪描述分成 39 类，CNN、GRU、LSTM 搭配词向量做多分类文本建模，适合入门文本分类实战。

核心能力

用 TextCNN 提取局部 n-gram 特征，再接入 GRU 处理序列
基于词嵌入做多类句子分类，输出 39 个类别标签
训练产出 SavedModel、最佳检查点和词表、标签等文件
提供 train.py 训练和 predict.py 批量预测脚本

容易踩的坑

训练数据已随仓库提供在 ./data/train.csv.zip，无需另行下载；预测需指定训练产出的 trained_results_/ 目录，其中 best_model.keras 是主要加载路径；预测结果写入 ./predicted_results_/predictions_all.csv，注意时间戳目录对应关系

内容由模型根据 README 生成，可能不完整或不准确，以官方文档为准。看原文 README

用户点评

登录用户的真实使用记录，可按版本和硬件筛选

共 0 条

还没有人点评。第一个说出真实体验的人最有价值。

README 原文

未翻译

在 GitHub 打开

Project: Classify Kaggle San Francisco Crime Description

Highlights

Multi-class text classification (sentence classification) problem.
Classify Kaggle San Francisco Crime Descript into 39 Category labels.
Hybrid TextCNN + GRU model implemented with TensorFlow 2.x Keras.

Data: Kaggle San Francisco Crime

Input: Descript
Output: Category

Examples:

Descript	Category
GRAND THEFT FROM LOCKED AUTO	LARCENY/THEFT
POSSESSION OF NARCOTICS PARAPHERNALIA	DRUG/NARCOTIC

Setup

python3 -m venv .venv
source .venv/bin/activate
pip install -r requirements.txt

Training data is included at ./data/train.csv.zip. Prediction sample data is at ./data/small_samples.csv.

Train

python3 train.py ./data/train.csv.zip ./training_config.json

Artifacts are written to ./trained_results_<timestamp>/:

saved_model/ — exported SavedModel for inference
best_model.keras — best validation checkpoint (primary load path for predict)
words_index.json — vocabulary mapping
labels.json — class labels
trained_parameters.json — hyperparameters and sequence length

Predict

python3 predict.py ./trained_results_<timestamp>/ ./data/small_samples.csv

Predictions are saved to ./predicted_results_<timestamp>/predictions_all.csv.

Reference

Implement a CNN for text classification in TensorFlow