带有一个热文本嵌入的 Keras LSTM 输入维度

Question

我有 70k 个文本样本，我使用 Keras 的“one hot”预处理嵌入了这些样本。这给了我一个 [40, 20, 142...] 的数组，然后我将其填充为 28 的长度（最长的样本长度）。我要做的就是将这些值预测为某个分类标签（比如说 0 到 5）。当我训练模型时，我无法获得超过 -.13% 的准确度（目前我的错误是 this 我已经尝试了很多方法来传递输入）。

This is my data 目前只是想创建一个简单的 LSTM。同样，我的数据是 X -> [长度为 28 个整数值，嵌入] 和 Y -> [1 个长度为 3 的整数，（100、143 等）]。知道我做错了什么吗？我问了很多人，但没有人能够提供帮助。这是我的模型的代码......有什么想法吗？ :(

optimizer = RMSprop(lr=0.01) #saw this online, no idea
model = Sequential()
model.add(Embedding(input_dim=28,output_dim=1,init='uniform')) #28 features, 1 dim output?
model.add(LSTM(150)) #just adding my LSTM nodes
model.add(Dense(1)) #since I want my output to be 1 integer value

model.compile(loss='sparse_categorical_crossentropy', optimizer=optimizer, metrics=['accuracy'])
print(model.summary())

编辑：

使用model.add(Embedding(input_dim=900,output_dim=8,init='uniform')) 似乎有效，但准确性仍然没有提高，我不知道该怎么办。

Answer 1

我有两个建议。

1. 也对目标变量 (y) 使用一种热表示。如果将 Y 设为整数，则将成为回归问题。只有当你给出一个热编码时，它才会成为一个分类问题。
2. 当您有大量文本时尝试 word2vec 嵌入，而不是一个热嵌入。

optimizer = RMSprop(lr=0.01) 
embedding_vecor_length = 32
max_review_length = 28
nb_classes= 8
model = Sequential()
model.add(Embedding(input_dim=900, output_dim=embedding_vecor_length,
                    input_length=max_review_length)) 

model.add(LSTM(150))

#output_dim is a categorical variable with 8 classes
model.add(Dense(output_dim=nb_classes, activation='softmax'))

model.compile(loss='categorical_crossentropy', optimizer=optimizer, metrics=['accuracy'])
print(model.summary())

model.fit(X_train, y_train, nb_epoch=3, batch_size=64)

# Final evaluation of the model
scores = model.evaluate(X_test, y_test, verbose=0)
print("Accuracy: %.2f%%" % (scores[1]*100))