需要帮助定义一个简单的神经网络

Question

我对这个很陌生，我有几个问题。我有用keras创建的python神经网络的代码片段。该模型用于情感分析。使用标记数据的训练数据集（情绪=1或0）。现在我有几个关于如何描述神经网络的问题。

  model = Sequential()
  model.add(Dense(512, input_shape=(max_words,), activation='relu'))
  model.add(Dropout(0.5))
  model.add(Dense(256, activation='sigmoid'))
  model.add(Dropout(0.5))
  model.add(Dense(2, activation='softmax'))


  model.compile(loss='categorical_crossentropy',
                optimizer='adam',
                metrics=['accuracy'])

  model.fit(train_x, train_y,
            batch_size=32,
            epochs=5,
            verbose=1,
            validation_split=0.1,
            shuffle=True)

我对以下许多条款都不是很清楚，所以不要对我太苛刻。

• 1：有什么能让这成为情绪分析的典型模型吗？
• 2：它是“单词袋”吗？（我的猜测是肯定的，因为数据是使用标记器预处理的）
• 3：是“卷积”吗？
• 4：深吗？
• 5：密度大吗-有多高？
• 6：密度（？）-数字的原因是什么：512, 256, 2
• 7：它有多少层（包括/排除输入和输出层？）
• 8：有监督/无监督吗？
• 9：使用顺序中的三个不同激活函数'relu'、'sigmoid'、'softmax'背后的原因是什么？

非常感谢您的帮助！

Answer 1

1. 分类交叉熵是该神经网络的损失函数，可用于情感分析。交叉熵损失返回不同类别的概率。在您的情况下，需要两个可能的类的概率（0或1）
2. 我不确定您是否使用了标记器，因为从您提供的代码中看，它并不明显，但如果您使用了，那么是的，它是一个糟糕的词模型。单词袋模型本质上是为文本中的词根创建存储空间。从Wikipedia，如果以下是您的文本：

约翰喜欢看电影。玛丽也喜欢电影。

然后，本文的BoW将是：

{“约翰”： 1，“喜欢”： 2，“到”： 1，“观看”： 1，“电影”： 2，“玛丽”： 1，“太”： 1}；