自然语言处理(NLP)-3.1 用神经网络进行情感分析(Neural Networks for Sentiment Analysis)_情感分析神经网络

1.用神经网络进行情感分析

1.1 神经网络概述

    前向传播(Forward propagation)：

        定义：逐层计算，用前一层输出*当前层权重，再通过激活函数

            

1.2 神经网络用于情感分析

    原理：使用词嵌入层、全连接层、输出层使用softmax

       

    初始化表示：

        方法：将每个单词用一个数字进行编码

       

---

2.Trax库与神经网络

2.1 Trax介绍

    概述：

        Trax是Google最新发布的深度学习框架，适用各类NLP任务，具有编程简单和运算速度快的特点

       

    使用框架的优势：

        更快的在CPU、GUP、TPU上进行运算

        支持并行计算

        自动实现底层计算     

        

    Trax框架的优势：

        (1)高效编程：底层重构运算速度快、易于调试、内置多种数据库、内置多种模型

           

        (2)运行速度快：使用JIT编译器和JAX底层，比其他框架计算速度快很多

           

2.2 使用Trax构建神经网络

2.2.1 类(Classes)

    类(Classes)：

        定义：同Python的类，封装了参数和方法

           

        实现：

           

    子类(Subclasses)：

        定义：可继承父类的方法并重构

        实现：

           

2.2.2 全连接层(Dense)

    全连接层(Dense Layer)：

        定义：每一神经元都与下一层各神经元相连

           

    激活函数ReLU：

        定义：全连接层使用ReLU作为激活函数

           

    计算方法：

        

2.2.3 序列层(Serial Layer)

    定义：将其他所有层整合构成一个整体，成为序列层，即整个神经网络结构

       

2.2.4 其他层

    词嵌入层(Embedding layer)：

        定义：可训练，存储词嵌入信息

           

    均值层(Mean layer)：

        定义：不可训练，只计算出句子词嵌入均值

           

2.3 神经网络训练

    神经网络示例：

       

    计算梯度：

        

    梯度下降：

        

---

项目代码：https://github.com/Ogmx/Natural-Language-Processing-Specialization

可将代码与数据下载至本地，使用jupyter notebook打开