python - NLP AI 逻辑 - 每个序列架构具有多个参数的对话序列

Question

我有一个包含各种参数的对话数据集(例如它是否是一个问题、一个 Action 、它传达的情感等)。我每句话有 4 个不同的“信息”。 假设 A 回复 B A 在不同的列表中为其可能的情绪 (1.0.0.0) (angry.happy.sad.bored) 有一个附加参数 - 在另一个列表中为其可能的 Action (1.0.0.0) (question.answer.inpulse.ending)

我知道如何构建常规 RNN 模型(来 self 到处看到的教程和论文)，但我似乎找不到“参数”架构。 我应该训练多个模型吗？ (比如句子 A --> 情绪，然后句子 B --> Action )然后单独训练主 RNN 并通过所有模型预测结果？

或者有没有一种方法可以构建一个单一模型，并在开始时存储所有信息？ 我为我的粗略英语表示歉意，这让我寻找答案变得更加困难。

Answer 1

根据我对你问题的理解，你想根据特定的句子找到情绪/ Action 。句子 A 以情感为标签，句子 B 以 Action 为标签。每个标签有 4 个不同的值，总共 8 个值。您对如何实现标签作为输入感到困惑。

现在，您可以为所有这些标签指定其单独的类。就像情绪将有标签(1.2.3.4)和行动将有标签(5.6.7.8)。然后连接两个数据集并通过 RNN 运行分类。

如果您需要传递情绪/ Action 作为输入，请将它们添加到矢量化矩阵中。假设你有句子A，带着快乐的情绪说“今天的环境很好”。用矩阵行添加情感，如下所示:

今天 |环境 |非常|好|健康

1 | 1 | 1 | 1 | 0

现在添加情感:

今天 |环境 |非常|好|健康 |情感

1 | 1 | 1 | 1 | 0 | 2(快乐)

我希望这能回答您的问题。