aespresso/chinese_sentiment

用tensorflow进行中文自然语言处理的情感分析

chinese_sentiment's Issues

关于程序运行中的几个问题

首先非常感谢作者您的视频讲解和详细的代码，让小白能基本理解情感分析的过程。
但是在我运行程序过程中，有几个疑问得不到解答，希望能得到您的帮助~
1.pos文件夹中的文件并没有标记，positive_samples有，那么positive_samples是下载来的呢，还是自己标记的？
2.为什么要在BLSTM后还要加一层LSTM？一般有一层LSTM不就可以了吗？
3.在fit模型后，更改了回调函数的某个参数后再一次fit，为什么运行是基于上一次fit的结果来运行的？怕您不理解，我解释一下，就是上一次的结果为val_loss=0.31515，这次所有epoch的结果就全是0.31515。
4.为什么同一个epoch里，loss和accuracy不一样？
比如，epoch6/20，loss=0.3315，epoch00006，loss=0.3326，两个不一样
5.为什么运行结果显示的是把模型存入了sentiment_checkpoint.h5文件中，但我通过hdp查看却发现文件中一点数据也没有？
基础不是很好，如果问了些没水平的问题还请见谅~
期待您的解答！
再一次感谢您的付出~

predict_sentiment(text)

您好，非常感谢您的分享，我在听完您的视频后，运行了程序，
test_list = [
'酒店设施不是新的，服务态度很不好',
'酒店卫生条件非常不好',
'床铺非常舒适',
'房间很凉，不给开暖气',
'房间很凉爽，空调冷气很足',
'酒店环境不好，住宿体验很不好',
'房间隔音不到位' ,
'晚上回来发现没有打扫卫生',
'因为过节所以要我临时加钱，比团购的价格贵'
]
for text in test_list:
predict_sentiment(text)
运行到上面的代码时报错了，
报错信息：InvalidArgumentError (see above for traceback): indices[0,231] = 83086 is not in [0, 50000)
[[Node: embedding/Gather = Gather[Tindices=DT_INT32, Tparams=DT_FLOAT, validate_indices=true, _device="/job:localhost/replica:0/task:0/device:CPU:0"](embedding/embeddings/read, embedding/Cast)]]
不知道是不是tensorflow版本的问题，请问你用的是哪个版本的tensorflow?

你好，对于这个情感分析任务，我有几个疑问。

1.我们将一条短评，进行分词，然后将利用预训练的word2vec构建构建这个短评的embeddding,让这个embuding作为LSTM的输入项.而LSTM输入项应该是分词词语的向量才对吧，因为只有词语和词语之间才会有时间序列上的关联，而句子和句子间是没有的。
例如下图中的 x , x , x<t+1> ,应该是词语向量，而不是一个个embedding。

2.如果LSTM输入的是词语向量，而LSTM中每个一LSTM单元的输出层都是二分类的话，是对一个一个词语去判断他的情感极性么？我觉得应该是整个LSTM循环之后再连接一个输出层二分类这样才是合理吧，然后如果是这样的话，我们对每一条短评都建立一个LSTM神经网络模型和二分类的输出层，最后一共m个短评构建出一个LSTM神经网络集群，从而去定义整个集群的损失函数sum(loss)/m么？
很抱歉，我是个初学者，在对LSTM和Word2vec上得理解得不够准确和透彻，希望得到您的解答，谢谢。

Originally posted by @Sujunheng in #2 (comment)

百度雲词向量下載連結已失效

感謝您的教程，獲益良多
百度雲词向量下載連結已失效
能不能勞駕再重新上傳
謝謝

你好，看了你的视频受益良多，由个问题想请教。

有什么方法可以解决词不在词向量词典中的预测问题呢，比如在预测时有词不在词典中，把它设为0，那这个词预测出来很大概率就是负向的了，

可以不要用莆田网盘吗 太失望了

你好，何时发布transformer语言模型的教程?

没找到相关链接

Unable to open file (Unable to open file: name = 'sentiment_checkpoint.keras',

您好，当我执行到
path_checkpoint='sentiment_checkpoint.keras'
checkpoint=ModelCheckpoint(filepath=path_checkpoint,monitor='val_loss',
verbose=1,save_weights_only=True,
save_best_only=True)
try:
model.load_weights(path_checkpoint)
except Exception as e:
print(e)

报错信息:

Unable to open file (Unable to open file: name = 'sentiment_checkpoint.keras', errno = 2, error message = 'no such file or directory', flags = 0, o_flags = 0)