标签:tensorflow machine-learning python
我目前正在使用Tensorflow Seq2seq模型,尝试实施情绪分析.我的想法是为编码器提供IMDB注释,为解码器提供[Pad]或[Go],向目标提供[neg] / [pos].我的大部分代码与seq2seq转换示例非常相似.但是我得到的结果很奇怪.对于每个批次,结果要么全部[neg]要么全部[pos].
“encoder input : I was hooked almost immediately.[pad][pad][pad]”
“decoder input : [pad]”
“target : [pos]”
由于此结果非常特殊,我想知道是否有人知道会导致这种情况的原因?
解决方法:
我建议尝试使用一种更简单的体系结构-将RNN或CNN编码器输入到逻辑分类器中.这种架构在情感分析(亚马逊评论,Yelp评论等)上一直显示出很好的结果.
对于此类模型的示例,您可以see here-单词和字符上的各种编码器(LSTM或卷积).
标签:tensorflow,machine-learning,python 来源: https://codeday.me/bug/20191118/2030843.html
本站声明: 1. iCode9 技术分享网(下文简称本站)提供的所有内容,仅供技术学习、探讨和分享; 2. 关于本站的所有留言、评论、转载及引用,纯属内容发起人的个人观点,与本站观点和立场无关; 3. 关于本站的所有言论和文字,纯属内容发起人的个人观点,与本站观点和立场无关; 4. 本站文章均是网友提供,不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属;如您发现该文章侵犯了您的权益,可联系我们第一时间进行删除; 5. 本站为非盈利性的个人网站,所有内容不会用来进行牟利,也不会利用任何形式的广告来间接获益,纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。