task1 情感分析baseline

该文档为datawhale情感分析组队学习的笔记
Github地址：team-learning-nlp/Emotional_Analysis at master · datawhalechina/team-learning-nlp (github.com)

• 这部分用pytorch和torchtext构造一个简单的机器学习模型来预测句子的情绪（即句子表达的情绪是正面还是负面）
• 使用的数据集：IMDB
• 该baseline使用RNN

RNN

由于循环神经网络（RNN） 通常在序列模型上表现良好，所以在第一节中，我们将选择RNN作为我们的baseline。RNN每次的输入为一个单词序列： X = { x 1 , . . . , x T } X=\{x_1, ..., x_T\} X={ x1​,...,xT​}，并为每个输入单词输出一个隐向量：$h$。

我们通过输入当前单词的$x_t$，和上一个隐藏层状态$h_{t-1}$，来生成下一个隐藏层状态$h_t$，用公式表示为：
$$h_t=\text{RNN}(x_t,h_{t-1})$$

一旦当我们获得了最后一个隐藏层的输出：$h_T$（通过输入最后一个单词序列$x_T$和前一个隐藏层状态$h_{T-1}$获得），就可以将它输入一个线性层<