Bidirectional-stacked-RNN-with-LSTM-GRU

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。