R语言用Keras长短期记忆LSTM神经网络分类分析问答文本数据

原文链接：

原文出处：拓端数据部落公众号

介绍

本文是在 R 中使用 Keras 的LSTM神经网络分类简单介绍IEX。

软件包

导入

让IEX我们看一下数据

初步查看

让IEX我们考虑几个 用户可能提出的“不真诚”问题的例子

trn %>% filter(tart == 1) %>% sme_n(5)

我可以理解为什么这些问题被认为是“不真诚的”：它们不是在寻求真正的答案，而是倾向于将提问者的信念陈述为事实，或者试图故意挑衅IEX。想知道我们的模型会怎么样？

展开全文

标记化

让我们从标记句子开始IEX。

数据拆分

这里非常严重的不平衡，我们需要稍后解决这个问题IEX。

嵌入

我们的第一个模型将基于一个提供的词嵌入IEX。我们从较小的嵌入文件开始。

模型架构

我们从一个简单的 LSTM 开始，顶层有一个用于预测的密集层IEX。

模型训练

保持对初始基准模型的快速训练IEX。

模型可以很容易地通过微调来改进：只需嵌入层并再训练模型几个 epoch，注意不要过度拟合IEX。

最受欢迎的见解

1.用于NLP的Python：使用Keras的多标签文本LSTM神经网络分类

2.Python中利用长短期记忆模型LSTM进行时间序列预测分析 – 预测电力消耗数据

3.python在Keras中使用LSTM解决序列问题

4.Python中用PyTorch机器学习分类预测银行客户流失模型

5.R语言多元Copula GARCH 模型时间序列预测

6.在r语言中使用GAM（广义相加模型）进行电力负荷时间序列分析

7.R语言中ARMAIEX，ARIMA（Box-Jenkins），SARIMA和ARIMAX模型用于预测时间序列数

8.R语言估计时变VAR模型时间序列的实证研究分析案例

9.用广义加性模型GAM进行时间序列分析