Question

我正在用keras在python中进行情感分析项目，使用CNN和word2vec作为嵌入方法。我想检测正面，负面和中性的推文（在我的语料库中，每个负面的推文都获得$ MANWIDTH=160 man gcc | grep '\-s$'标签，0和positive = 1）然后以这种方式设置标签：

***假设neutral = 2和X-train包含推文，X-test和Y-test包含推文标签。

Y-train

我的keras模型是：

 if labels[index] == 0 :
     Y_train[i, :] = [1.0, 0.0]
 elif labels[index] == 1 :
     Y_train[i, :] = [0.0, 1.0]
 else:
     Y_train[i, :] = [0.5, 0.5]

以及编译代码和模型拟合为：

model = Sequential()
model.add(Conv1D(32, kernel_size=3, activation='elu', padding='same', 
input_shape=(15,512)))
model.add(Conv1D(32, kernel_size=3, activation='elu', padding='same'))
model.add(Conv1D(32, kernel_size=3, activation='elu', padding='same'))
model.add(Conv1D(32, kernel_size=3, activation='elu', padding='same'))
model.add(Dropout(0.25))
model.add(Conv1D(32, kernel_size=2, activation='elu', padding='same'))
model.add(Conv1D(32, kernel_size=2, activation='elu', padding='same'))
model.add(Conv1D(32, kernel_size=2, activation='elu', padding='same'))
model.add(Conv1D(32, kernel_size=2, activation='elu', padding='same'))
model.add(Dropout(0.25))
model.add(Dense(256, activation='tanh'))
model.add(Dense(256, activation='tanh'))
model.add(Dropout(0.5))
model.add(Flatten())
model.add(Dense(2, activation='sigmoid'))

我的问题是： 正如我之前在语料库中提到的那样，我将model.compile(loss='categorical_crossentropy', optimizer=Adam(lr=0.0001, decay=1e-6), metrics=['accuracy']) model.fit(np.array(X_train),np.array(Y_train) batch_size=batch_size, shuffle=True, epochs=nb_epochs, validation_data=(np.array(X_test),np.array(Y_test)), callbacks=[EarlyStopping(min_delta=0.00025, patience=2)])设置为极性标签，并以这种方式考虑0,1,2和Y_train：

Y-tets

以这种方式预测输入新推文在逻辑上是正确的：

Y_train[i, :] = [1.0, 0.0] ##for negative tweets with 0 label in corpus.(and the same for 1,2)

感谢您的耐心

使用keras进行情感分析预测

0 个答案: