使用张量流的情感分析

Question

我正在探索tensorflow，并希望使用可用的选项进行情绪分析。我看了下面的教程http://www.tensorflow.org/tutorials/recurrent/index.html#language_modeling

我曾经使用过Naive Bayes分类器，最大熵算法和Scikit学习分类器，并且想知道tensorflow是否提供了更好的算法。这是正确的起点还是有其他选择？

非常感谢任何指向正确方向的帮助。

提前致谢。

Answer 1

常用的方法是使用卷积神经网络（CNN）进行情感分析。您可以在WildML blogpost中找到一个很好的解释/教程。随附的TensorFlow代码可以找到here。

另一种方法是使用LSTM（或相关网络），您可以在线找到示例实现，一个很好的起点是this blogpost。

Answer 2

我建议你尝试一个字符级别的LSTM，它已被证明能够在许多文本分类任务中实现最先进的结果，其中一个是情感分析。

我写了一篇相当冗长的文章，你可以找到here我在TensorFlow中逐行完成它的实现。结果是一个小于100mb的模型，在80,000条推文的测试集上达到80％以上的准确度。

另一种被证明非常有效的方法是使用递归神经网络，你可以阅读斯坦福NLP小组的论文here

Answer 3

对我来说，最简单的教程是：https://pythonprogramming.net/data-size-example-tensorflow-deep-learning-tutorial/?completed=/train-test-tensorflow-deep-learning-tutorial/

它引导您完成TensorFlow.train.AdamOptimizer().minimize(cost)并使用Sentiment140数据集（来自斯坦福大学，约1百万的正面和负面情绪示例）