vox520的博客

对拆分后的语句x = [batch_size, seq_len]进行以下操作PEposi​sinpos/100002idmodel​PEposi​cospos/100002idmodel​dmodel​通过输入部分。

hidden_size: 每一层LSTM单元的数量num_layers: RNN中LSTM的层数batch_first: True对应[batch_size, seq_len, embedding_dim]bidiectional: True对应使用双向LSTM实例化LSTM对象后，不仅要传入数据，还有传入前一次的h_0和c_0LSTM默认输出(output, (h_n, c_n))

AclImdb – v1 Dataset 是用于二进制情绪分类的大型电影评论数据集，其涵盖比基准数据集更多的数据，其中有 25,000 条电影评论用于训练，25,000 条用于测试，还有其他未经标记的数据可供使用。

tokenization：分词每一个词语都是token：转为单个词、转为多个词语。

NCF框架是本文要实现的3个模型的主体结构。首先是输入层，分别包含两个特征向量vu​和vi​，描述了用户u和物品i。输入仅由一个用户向量和一个物品向量构成，它们分别是以one-hot编码的二值化稀疏向量。接着是Embedding层，这是一个全连接层，用于将输入层的系数向量表示成一个稠密向量。接着用户和物品的embedding向量被送入多层神经网络架结构中，这一层叫做神经协同过滤层(Neural CF Layer)，它用于将潜在特征向量映射成预测分数(Score)。

标签是(64) ，需要将其转为one-hot编码(64,10)一层全连接网络，最后使用softmax转概率值输出。使用均方误差损失函数，梯度下降优化。训练时注意最后输出(64,10)读入数据并转为tensor向量。调用模型 训练10次。