我的任务是Aspect based sentiment analysis，我必须首先预测每个句子的方面。方面是预先定义的＆amp;他们总共19岁。
我必须实现一个2-layer Neural Network（用于上述任务），其中第一层完全连接＆amp;第二层输出softmax分布
每个句子由单词向量的平均值表示。使用的单词矢量模型是GoogleNews 300 dimensional wordvec model [https://drive.google.com/file/d/0B7XkCwpI5KDYNlNUTTlSS21pQmM/edit?usp=sharing]
因此，对于每个句子，我都有一个300维的单词向量（句子中所有单词的所有300维度单词向量的平均值）。
当句子具有方面i＆amp;时，输出y被定义为y(i) = 1/k。总共k方面
否则y(i)=0
（注意 - 一个句子可以有多个方面）
实施上述模式 -
我总共有1739个句子＆amp;对于他们每个人，我有一个300-dim单词向量。所以我有一个np.array X形状(1739,300)。同样，y是形状np.array的{{1}}。
我使用keras的代码是 -
(1739,19)这段代码引发了我的错误 -
model = Sequential()
model.add(Dense(output_dim=64, input_dim=300))
model.add(Activation('relu'))
model.add(Dense(output_dim=19))
model.add(Activation('softmax'))
model.compile(loss='categorical_crossentropy', optimizer='sgd', metrics=['accuracy'])
model.fit(X, y, nb_epoch=3)
我是深度学习的新手。 keras，所以如果有人可以对我做错的事情有所了解吗？
答案 0 :(得分：1)
问题在于数据的错误维度。它的形状应为(1739, 300)。重新检查您的数据准备，因为可能会出现错误。