Nlp 基于方面的情绪分析深度学习模型的实现错误

我的任务是基于方面的情绪分析，首先要预测每个句子的方面。方面是预定义的&它们总共有19个

我必须实现一个

2层神经网络

（用于上述任务），其中第一层完全连接，第二层输出softmax分布。
每个句子由词向量的平均值表示。所使用的词向量模型是

GoogleNews 300维词向量模型

[]。
因此，对于每个句子，我有一个300维的单词向量（句子中所有单词的300维单词向量的平均值）。
当句子具有方面i和k个方面的总和时，输出

y

被定义为

y（i）=1/k

否则

y（i）=0

（注意-一个句子可以有多个方面）

要实现上述模型-
我总共有1739个句子&每个句子都有一个

300 dim

wordvector。所以我有一个

np.array

X

的形状

（1739300）

。类似地，

y

是

np.数组

的形状

（1739,19）

我使用keras的代码是-

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)     

此代码向我抛出错误-

异常：检查模型输入时出错：预期密集输入\u 4具有形状（无，300），但获得具有形状的数组（1739，1）

---

我是深入学习和keras的新手，所以如果有人能告诉我我做错了什么？

问题在于数据的维度错误。它应该具有形状

（1739300）

。重新检查您的数据准备，因为那里可能发生错误。

您能打印出X和y的形状吗。似乎出了什么问题，它们的形状与您预期的不同。X.shape是

（1739，）

&y.shape是

（1739，）

X不应该有一个形状（1739300）？是的，谢谢@MarcinMożejko指出这一点。我再次形成了

X

和

y

，它们的形状现在分别是

（1739300）

和

（1739,19）

，上面的代码运行时没有错误。顺便说一句，你是否在我的代码中发现了任何其他异常/错误/奇怪的地方……或者你想建议的任何改进？你可以检查是否发生了过度拟合，并最终通过某种形式的规范化来防止它。