如何使用CNN Tensorflow对电影评论中的情感和流派进行分类

Question

我正在尝试对电影评论中的情绪进行分类，并根据评论本身预测该电影的类型。现在情绪是一个二元分类问题，因为类型可以是多标签分类问题。

澄清问题的另一个例子是对句子的情感进行分类，并预测句子的语气是否快乐，讽刺，悲伤，可怜，愤怒或恐惧。

更多的是，我想使用Tensorflow CNN执行此分类。我的问题在于构造y_label并训练数据，以便输出帮助我检索Sentiment以及类型。 例如数据Y标签：[[0,1]，[0,1,0,1,0]]的情绪为负面和心情如讽刺和愤怒

你怎么建议我解决这个问题？

Answer 1

基本上在CNN的最后一层，因为您已将CNN输出调整为1x1xN的形式，添加两个前馈神经网络。因此，如果您有一个简单的分类问题，您将CNN的输出馈送到前馈神经网络，现在在这种情况下，您将拥有其中两个网络。因此，为了实现这一目标，您将拥有以下内容：

• CNN输出---馈送---＆gt;分类器＃1
• CNN输出---馈送---＆gt;分类器＃2

因此，您必须将分类分开但是您仍然需要反向传播它们，所以它看起来像这样：

loss1 = tf.reduce_mean(tf.nn.softmax_cross_entropy_with_logits(prediction1, labels_1))
loss2 = tf.reduce_mean(tf.nn.softmax_cross_entropy_with_logits(prediction2, labels_2))

loss = loss1 + loss2 

所以你最小化＆＃34;最小化＆＃34;带有优化器的loss。

Answer 2

您可以将此视为multi-label问题，并将sentiment和tone标签附加在一起。

现在，由于网络必须预测多个输出（在本例中为2），因此您需要使用sigmoid而非softmax等激活功能。您可以使用tf.round(logits)进行预测。