Neural network 基于Tweet数据的情绪分类神经网络设计

我有一个包含四种情绪的推特数据集（愤怒、快乐、恐惧、悲伤）。例如，我将tweet转换为类似于以下愤怒输入向量的向量：

愤怒标记的频率分布平均值

word2vec

与愤怒的相似性

情绪词汇中的愤怒平均值

hashtag词典中愤怒的平均值

---

这个向量对训练神经网络有效吗？

你的输入向量一开始看起来不错。当然，您以后可能会使用来自twitter或其他相关API或数据集的统计数据和衍生数据使其更加先进

您的网络有四个输出，正如您所提到的：

Joy:[1,0,0,0]

悲伤：[0,1,0,0] 恐惧：[0,0,1,0]

愤怒：[0,0,0,1]

你可以考虑添加多个隐藏层，如果你愿意的话，让它成为一个深度网络，以提高你的神经网络原型的稳定性。p> 正如您的问题所示，在培训和测试您的数据之前，最好有一个好的预处理器和特征提取系统，您显然知道项目的发展方向

伟大的项目，最美好的祝愿，感谢您提出的好问题，欢迎访问stackoverflow.com

---

大家好，欢迎来到StackOverflow。请花些时间阅读帮助页面，特别是命名和的部分。更重要的是，请阅读。您可能还想了解。非常感谢您的回答。当我建立网络来测试我的特征向量时，这是一个挑战。一个是多个密集层，另一个是两个卷积一维网络，我对结果不满意。这让我对我建议的向量产生了怀疑。所以如果我得到的训练向量看起来像0.071428571 0.902887591 0.005818786 0.214285714 0.276094297 0.004706386 0.142857143 0.071428571 0.617585755 0.006649071 0.071428571 0.42533003 0.005618695 0.071428571，输出是愤怒和喜悦，所以输出向量是1010，所构建的网络是输入层，12个密集的第一隐层，然后8个节点在第二隐层，最后4个输出神经元。训练数据集5000的准确率为48%，测试数据集1000的准确率为25%。批次100和20个历元，激活relu和输出sigmoid