使用 Keras 进行情感分类器训练答案

【问题标题】：Sentiment classifier training with Keras使用 Keras 进行情感分类器训练
【发布时间】：2018-08-28 16:55:32
【问题描述】：

我正在使用 keras（后端 tensorflow）对来自亚马逊评论的情绪进行分类。

它从嵌入层（使用 GloVe）开始，然后是 LSTM 层，最后是 Dense 层作为输出。模型摘要如下：

_________________________________________________________________
Layer (type)                 Output Shape              Param #   
=================================================================
embedding_1 (Embedding)      (None, None, 100)         2258700   
_________________________________________________________________
lstm_1 (LSTM)                (None, 16)                7488      
_________________________________________________________________
dense_1 (Dense)              (None, 5)                 85        
=================================================================
Total params: 2,266,273
Trainable params: 2,266,273
Non-trainable params: 0
_________________________________________________________________
Train on 454728 samples, validate on 113683 samples

训练时 train 和 eval 准确率约为 74%，损失（train 和 eval）约为 0.6。

我尝试过改变 LSTM 层中的元素数量，包括 dropout、recurrent dropout、regularizer 和 GRU（而不是 LSTM）。然后准确率提高了一点（~76%）。

我还可以尝试什么来改善我的结果？

【问题讨论】：

标签： tensorflow keras text-classification

【解决方案1】：

我在使用双向 LSTM 的情感分析方面取得了更大的成功，也垂直堆叠了两层，即 2 个 LSTMS 一起形成了一个深度网络，也有助于尝试将 lstm 元素的数量增加到 128 个左右。

【讨论】：