neural-network - 如何使用 theano 使用 LSTM 进行多标签学习？

Question

我有一些文本数据，每个文档都有多个标签。我想使用 Theano 为这个数据集训练一个 LSTM 网络。我遇到了http://deeplearning.net/tutorial/lstm.html但它只会促进二元分类任务。如果有人对继续使用哪种方法有任何建议，那就太好了。我只需要一个初步可行的方向，我可以继续工作。

谢谢，
阿米特

Answer 1

1)改变模型的最后一层。 IE。

pred = tensor.nnet.softmax(tensor.dot(proj, tparams['U']) + tparams['b'])

应该由其他一些层替换，例如乙状结肠:

pred = tensor.nnet.sigmoid(tensor.dot(proj, tparams['U']) + tparams['b'])

2)成本也应该改变。

IE。

cost = -tensor.log(pred[tensor.arange(n_samples), y] + off).mean()

应该用其他一些费用代替，例如交叉熵:

one = np.float32(1.0)
pred = T.clip(pred, 0.0001, 0.9999)  # don't piss off the log
cost = -T.sum(y * T.log(pred) + (one - y) * T.log(one - pred), axis=1) # Sum over all labels
cost = T.mean(cost, axis=0) # Compute mean over samples

3) 在函数中 build_model(tparams, options) ，你应该替换:

y = tensor.vector('y', dtype='int64')

经过

y = tensor.matrix('y', dtype='int64') # Each row of y is one sample's label e.g. [1 0 0 1 0]. sklearn.preprocessing.MultiLabelBinarizer() may be handy.

4) 更改 pred_error()以便它支持多标签(例如，使用一些指标，如来自 scikit-learn 的准确性或 F1 分数)。