Python NLP AI逻辑-每个序列架构具有多个参数的对话序列

我有一个带有各种参数的对话数据集（比如它是否是一个问题、一个动作、它传达了什么样的情感等等）。我有4个不同的“信息”每个句子。 假设A回答B 在不同的列表中，一个可能的情绪（1.0.0.0）（愤怒、快乐、悲伤、无聊）有一个附加参数-另一个可能的动作列表（1.0.0.0）（问题、答案、脉冲、结束）

我知道如何构建常规的RNN模型（从我在这里和那里看到的教程和论文中），但我似乎找不到“参数”体系结构。 我应该训练多个模型吗？（如句子A-->情绪，然后是句子B-->行动）然后分别训练主要RNN并通过所有模型预测结果

或者有没有一种方法可以在一开始就将所有信息存储在一个模型中？

---

很抱歉，我的英语水平不高，这让我更难找到答案。

从我理解你问题的方式来看，你想根据特定的句子找到情绪/行动。句子A以情绪为标签，句子B以行动为标签。每个标签有4个不同的值，总共有8个值。您对如何实现标签作为输入感到困惑

现在，您可以为所有这些标签指定它们各自的类。如情绪将有标签（1.2.3.4），而行动将有标签（5.6.7.8）。然后对两个数据集进行合并，并通过RNN运行分类

如果需要将情绪/动作作为输入传递，则将其添加到矢量化矩阵中。假设你有一句话说“今天的环境很好”，带着愉快的情绪。将情感添加到矩阵行，如下所示：

今天|环境|非常|健康|

1 | 1 | 1 | 1 | 0

现在添加情感，以便：

今天|环境|非常|好|健康|情绪

1 | 1 | 1 | 1 | 0 | 2（快乐）

---

我希望这能回答你的问题。

不，我想解释一下。我有一个对话，我知道每个句子是否是一个问题，它的情绪等等。。我想建立一个模型，可以预测具有适当结构的单词列表（新问题、答案、特定情绪）。我可以训练多个模型（一个找到情感，一个找到动作等），但我想知道是否有可能将多维模式作为输入，而不是将模型相乘。全球词汇量约为2万字。单词袋中的几个值作为动作或情绪的串联输入（8个值）不起作用，那么你可以将这些情绪/动作的值添加到向量化矩阵本身。你的意思是像一个多输入类型的东西吗？对于更新的答案，我已经验证了它的真实性，即使我从完全不同的角度出发。使用多维形状作为输入