Python 3.x 如何使用CNN Tensorflow对电影评论中的情感和类型进行分类

我试图对电影评论中的情感进行分类，并根据评论本身预测电影的类型。现在情绪是一个二元分类问题，其中as类型可以是多标签分类问题

另一个澄清问题的例子是对句子的情绪进行分类，并预测句子的语气是快乐、讽刺、悲伤、可怜、愤怒还是恐惧

更重要的是，我想使用Tensorflow CNN进行分类。我的问题是构建y_标签和训练数据，以便输出帮助我检索情感和类型。 例如数据Y标签：[[0,1]，[0,1,0,1,0]]表示情绪消极，情绪讽刺和愤怒

---

你建议我如何处理这个问题

您可以将此视为一个

多标签问题，并将
情绪
和
音调
标签附加在一起

现在，由于网络必须预测多个输出（在本例中为2），您需要使用激活功能，如
sigmoid
，而不是
softmax
。你的预测可以使用tf.round（logits）

基本上在CNN的最后一层进行，当你将CNN输出调整为1xN的形式时，添加两个前馈神经网络。因此，如果你有一个简单的分类问题，你将CNN的输出输入一个前馈神经网络，在这个例子中，你将有两个这样的网络。因此，为了实现这一点，基本上您将有以下几点：

• CNN输出---馈送--->分类器#1
• CNN输出---馈送--->分类器#2

因此，您必须分离分类，但仍然必须反向传播它们，因此它看起来像这样：

loss1 = tf.reduce_mean(tf.nn.softmax_cross_entropy_with_logits(prediction1, labels_1))
loss2 = tf.reduce_mean(tf.nn.softmax_cross_entropy_with_logits(prediction2, labels_2))

loss = loss1 + loss2 

---

因此，您将使用优化器“最小化”损失。

您可以将其视为一个

多标签问题，并将
情绪
和
音调
标签附加在一起。这是最佳方法吗？如果第一类（此处为情感）和第二类（如文学领域，如科学、法律、社会学，如多类分类问题）没有语义关系，网络是否仍然有效？为什么输出之间应该有任何关系？。输入输出之间应该有语义关系，而不是输出之间的关系。@vijaym So，只是澄清一下；我应该将y_标签更改为[0,1,0,1,0,1,0]，并使用sigmoid函数训练CNN模块以获得登录信息，对吗？检查回答确保谢谢，我将按照您的建议编辑代码。我会接受答案的。再次非常感谢。太好了。。首先尝试二进制分类，检查网络是否正常工作。因为在你的任务中使用CNN有点棘手（我会从LSTM开始执行这个任务，也许CNN会在上面）。所以，在您尝试组合之前，首先要让它工作。@vijaym但是在多标签分类中，如果我使用tf.nn。sigmoid，cross，entropy，和logits，那么我应该在这里减少什么，减少是什么意思，还是减少总和？？检查dhusyant在@AyodhyankitPaul处的上一期《损失函数》
reduce\u mean
或
reduce\u sum
应起作用。但是，如果您希望
学习速率
在不同的
batch size
中表现相同，则首选
reduce\u means
的选项。您可以在登录时如何添加两个前馈网络吗？它与vijay建议的使用多类有什么不同？我已经编辑了我的答案，希望能有所帮助。请随时提出任何进一步的问题。