NLP AI逻辑对话序列，每个序列结构具有多个参数。

Question

我有一个包含各种参数的对话数据集(比如，如果它是一个问题，一个动作，它所传达的情感等等)。我每句话有4种不同的“信息”。假设对B的答复在另一个列表中有一个加性参数，用于其可能的情绪(1.0.0.0) (angry.happy.sad.bored) --另一个列表用于它可能的操作(1.0.0.0) (question.answer.inpulse.ending)

我知道如何构建一个常规的RNN模型(根据我在这里和那里看到的教程和论文)，但是我似乎找不到一个“参数”架构。我应该训练多个模特吗？(比如句子A->情感，然后是B->动作)然后分别训练主要的RNN，并通过所有模型预测结果？

还是有一种方法来建立一个单一的模型，所有的信息都存储在开始？我为我的近似英语道歉，女巫让我更难找到答案。

Answer 1

从我理解你问题的角度来看，你想要找到基于特定句子的情感/行动。句子A以情感作为标签，句子B以actions作为标签。每个标签有4个不同的值，总共有8个值。对于如何将标签作为输入来实现，您会感到困惑。

现在，您可以给所有这些标签它们单独的类。和一样，会有标签(1.2.3.4)，会有标签(5.6.7.8)。然后将两个数据集连接起来，并通过RNN运行分类。

如果您需要传递情感/动作作为输入，那么将它们添加到向量化矩阵中。假设你用快乐的心情说“今天的环境很好”。添加它的矩阵行的情感，如下所示：

今天环境很好健康

1\x{e76f}1\x{e76f}\x{e76f}

现在增加情绪，这样：

今天环境很好健康情感

1-1-1-1-1

我希望这能回答你的问题。