用于多类文本分类的卷积神经网络答案

【问题标题】：Convolutional neural network for multi-classes text classification用于多类文本分类的卷积神经网络
【发布时间】：2017-04-12 04:43:40
【问题描述】：

我有一个包含两列的 CSV 文件，'sentence' 是句子的字符串，emoID 是 1-7 整数，如下所示：

sentence           emoID
During the period of falling in love.       1
When I was involved in a traffic accident.  2
 .....                                      ...

我需要将每个句子分类到其对应的 emoID。我看到了一个分类两个类的例子，如下所示：

# Generate labels
positive_labels = [[0, 1] for _ in positive_examples]
negative_labels = [[1, 0] for _ in negative_examples]

现在我有 7 个类而不是两个，如何为每个类生成 7 个标签？我是python的初学者，非常感谢您的帮助！

【问题讨论】：

标签： python python-3.x conv-neural-network text-classification

【解决方案1】：

您可以使用一个包含 7 个条目的数组，对于类 n，条目 1 在数组中的位置 n 处，其余为 0。例如第 3 类：[0,0,1,0,0,0,0] 并且：

c3_labels = [[0,0,1,0,0,0,0] for _ in c3_examples]

【讨论】：

是的，这就是我的想法。'for _ in c3_examples'是指将 [0,0,1,0,0,0,0] 附加到 c3_examples 中吗？
对不起，我误解了你的问题。 c3_labels = [[0,0,1,0,0,0,0] for _ in c3_examples] 将创建一个包含标签数组 len(c3_labels) 次的数组。因此，如果您有三个 3 类样本，则变量 c3_labels 将包含[[0, 0, 1, 0, 0, 0, 0], [0, 0, 1, 0, 0, 0, 0], [0, 0, 1, 0, 0, 0, 0]]。然后，您可以使用此数组并将其作为新的“列”附加到您的示例数据中。