lstm训练情感分析的优点_机器学习 - LSTM应用之情感分析

1. 概述

在情感分析的应用领域，例如判断某一句话是positive或者是negative的案例中，咱们可以通过传统的standard neuro network来作为解决方案，但是传统的神经网络在应用的时候是不能获取前后文字之间的关系的，不能获取到整个句子的一个整体的意思，只能通过每一个词的意思来最终决定一句话的情感，这显然是不合理的，导致的结果就是训练出来的模型质量可能不是很高。那么这里就需要用到LSTM来解决这个问题了，LSTM能够很好的表达出句子中词的关系，能将句子当做一个整体来看待，而不是一个个单独的词。所以这一节主要讲一下如何应用LSTM来做句子的情感分析的应用，这里主要包括2部分内容，第一部分是设计整个LSTM的网络结构，第二步是用代码是实现这个网络。

2. 结构设计

首先咱们知道应用的目的是根据句子的内容来判断情感的，那么咱们就可以很明确的知道这是一个Sequence model， 其次这个Sequence Model还是一个Many-To-One的结构。那么这里我为了提高咱们应用的复杂度，我选用了一个2层的LSTM layer, 就是将第一层的每一个LSTM cell 的输出作为第二层的每一个相应的LSTM cell的输入。听起来挺抽象的，实际咱们通过下面的图可以很清楚的看出它的整体结构(注意：下面的图，我省略了LSTM的memory cell，没有画出来)。实际的应用中，咱们很少会有大于3层的LSTM layer，因为它计算所需要的资源是非常大的。其实在这个例子中，一层的LSTM layer其实是足够的，我这里只是为了演示2层layer，所以故意这样处理的，下面咱们看一下结构图吧