【发布时间】:2020-04-20 07:38:31
【问题描述】:
主要问题:如何创建可以对文本数据和数字特征进行分类的神经网络?
听起来很简单,但我一定没有正确理解。
背景
我正在尝试(第一次)使用 TensorFlow 2/Keras 构建一个文本分类器,以查看应用商店评论并将其分类为以下类别:happy, pricingIssue, techIssue, productIssue, miscIssue
我有一个数据集,其中包含:star_rating, review_text 和相关标签。
问题
我对来自TensorFlow的this tutorial的理解是,我需要使用tensorflow hub层将句子嵌入为固定形状的输出。
embedding = "https://tfhub.dev/google/tf2-preview/gnews-swivel-20dim/1"
hub_layer = hub.KerasLayer(embedding, input_shape=[], dtype=tf.string, trainable=True)
然后我会使用它作为我的输入层来构建模型。
model = tf.keras.Sequential()
model.add(hub_layer)
model.add(tf.keras.layers.Dense(16, activation='relu'))
model.add(tf.keras.layers.Dense(1, activation='sigmoid'))
所以我的问题是,我在哪里将数值评分插入到模型的数据中?
可能的解决方案?
使用两个输入层并以某种方式合并它们?我想我想使用中心层来嵌入数据,另一个输入层用于数字数据,然后将它们都通过管道传输到下一层?
我是否先嵌入字符串,然后将评分附加到该字符串?我还可以看到创建一个函数将数据预处理到数组中,并将评分附加到嵌入字符串的末尾, 并将整个事物用作输入对象。
我很难过,任何指导都是有帮助的!
【问题讨论】:
标签: python tensorflow machine-learning keras nlp