Bidirectional stacked RNN with LSTM GRU 源码

具有LSTM GRU的双向堆叠RNN 在这里,我为Twitter情感分析数据集使用带有LSTM / GRU单元的双向堆叠RNN开发了情感分类器,。 为了开发模型,我尝试了堆叠RNN的数量,隐藏层的数量,像元类型,跳过连接,梯度修剪和丢失概率。 我使用亚当优化器和二进制交叉熵损失函数,并使用S形函数将预测对数转换为概率。 对于最佳模型,我发现: 计算每个类别的精度,召回率和F1。 绘制损耗与历时曲线和ROC曲线 我的解决方案是在PyTorch中实现的,并且该报告有据可查。 我还有一个笔记本,上面有数据的预处理。 注意:我还利用预先训练的单词嵌入GloVe作为初始嵌入来输入模型。