我想知道张量流是否可以区分负面标签和未知标签。
例如，在新闻分类场景中，我确信该实例属于＆＃34; sports＆＃34;和＆＃34;娱乐＆＃34;，也确定它不属于政治＆＃34;但不确定它是否属于＆＃34;游戏＆＃34;。
如果我使用单热编码处理这些标签，按照＆＃34; sport＆＃34;，＆＃34;娱乐＆＃34;，＆＃34;政治＆＃34;和＃34;游戏＆＃34;，它应该：
# here I use -1 to represent negative, 0 for unknown
[1, 1, -1, 0]
但是，如果我想用"tf. sigmoid_cross_entropy_with_logits"训练实例，它有两种类型的输出：0或1表示neg和pos标签。
我想要的是＆＃34;未知标签＆＃34;不会导致BP的损失，这在张量流中是可能的还是合理的？
非常感谢。
答案 0 :(得分：0)
我认为你可以将你的三个课程标记为三个一个热门：
正面：（0,0,1）
中性：（0,1,0）
否定：（1,0,0）