Stanford nlp 在训练斯坦福情绪模型时，devTrees有什么用途？

在为给定数据集训练斯坦福情感模型时，我们使用以下命令：

 java -mx8g edu.stanford.nlp.sentiment.SentimentTraining -numHid 25 -trainPath train.txt -devPath dev.txt -train -model model.ser.gz

---

可以不使用dev.txt进行培训吗？它的意义是什么？

是的，不使用开发数据就可以进行培训。开发数据用于根据看不见的测试数据评估模型，以猜测最终模型对新输入的概括程度

---

如果您不提供任何开发数据，您将无法在培训期间获得有关模型性能的任何反馈。您仍然可以手动获取保存的模型并测试新数据。

谢谢。我还想知道，在对测试数据集进行评估后，您如何发现情绪模型的准确性。在评估摘要中，有两件事：标签准确性和根标签准确性。他们之间有什么区别。如何找到整体准确度？标签准确度测量每个树中每个节点的情感标签的准确度，而根标签准确度仅检查整体情感标签。您需要选择最适合您的任务的指标。例如，如果你不关心在句子级别下获得准确的正确性，只要句子级别的情感正确产生，你可能应该关注根标签的准确性。现在我正在训练一个包含27328个句子的数据集。但当我用1794个句子的已知数据集测试时，我的根标签准确率只有33%。有什么问题吗？这和句子的长度有关吗？这似乎很低。。您如何监控培训衔接？在测试之前，您可能需要对模型进行更长时间的训练。使用开发集将帮助您知道何时停止！实际上，我是在使用model.ser.gz模型文件来训练model.ser.gz。这就是准确率低的原因。我使用的数据集只有一个训练集。如何从中构建开发集？