文件名称：Tweet-Sentiment-Classification:在Python中使用Tensorflow的NLP RNN序列模型
文件大小：1.4MB
文件格式：ZIP
更新时间：2024-04-27 20:03:46
JupyterNotebook
预测给定推文的情绪 工具：Python，TensorFlow，Numpy，Pandas，Matplotlib # tools used: ! Tools: Python, TensorFlow, Numpy, Pandas, Matplotlib @@ text in purple (and bold)@@ 我使用包含标签推文的数据集构建了NLP排序模型。 逐步方法： 获取数据 探索数据以加深了解。 预处理，排序和填充文本，然后一键编码标签。 使用嵌入，双向GRU和最终的Dense输出层构建模型。 绘制模型训练精度与验证精度的关系图，以了解性能并适当调整超参数。 在这种情况下，模型是过度拟合的（对于NLP来说很常见，因为培训数据不能完全代表测试数据的可能性很高，因为书面语言中存在许多单词，缩写和语）。 为了解决这个问题，我在我的双向GRU层中增加了recurrent_drop
【文件预览】：
Tweet-Sentiment-Classification-main
----tweet_model.h5(1.53MB)
----README.md(1KB)
----Tweet-Sentiment-Analysis.ipynb(42KB)