情感分析——TensorFlow 上的 LSTM 和 word2vec 模型答案

【问题标题】：sentiment analysis-LSTM and word2vec models on tensorflow情感分析——TensorFlow 上的 LSTM 和 word2vec 模型
【发布时间】：2018-08-04 22:02:24
【问题描述】：

我现在正在做一个项目，包括对句子的情感分析。我得到了本教程的帮助： https://github.com/rvinas/sentiment_analysis_tensorflow

在这个模型中，我使用 CSV 文件，其中包含标记为正面或负面的推文句子。我有几个问题：

1.如果我使用像'skip-gram'模型这样的word2vec算法，然后将嵌入层馈送到这个网络，会有什么不同吗？还是和初始化一个随机矩阵一样，让网络在训练的时候自己学习单词？

2.如果我使用大型数据集，如何改进模型？假设我使用 100,000 个样本.. 可以提供最佳性能的隐藏层/批处理/训练步骤参数是什么？我知道没有基本规则，但我想知道是否有一些确定的我必须考虑的限制。

3.如何使用 Tensorflow 投影仪绘制正/负分类结果？我创建了一个“metadata.tsv”，其中包含我的词典中的单词，但我希望有可能为正面和负面分类着色

【问题讨论】：

【解决方案1】：

我无法回答第 3 点。但是第 1 点，是的，有很多区别，我建议您在网络学习语义上下文中的超参数时传递嵌入向量。第 2 点建议您通过搜索 word2vec 和 lstm 来查看 Google 学者的现有研究。我确信在这方面进行了研究。

【讨论】：

我在关于这个模型的另一个问题上遇到了困难。当我训练模型时..我想一切都很好..当我运行具有一定批量大小的测试样本时，它也可以做出很好的预测。但是如果我想在训练后使用该模型.. 用简短的句子我该怎么做？
我正在使用与用于测试样本的图表相同的预测操作，但张量的形状为 1x(max seq length) ..问题是它总是给我一个负数结果。