RNTN：利用 RNN 和 RNTN 的情感分析。基于斯坦福情绪分析页面

简介：
本文介绍了一种结合循环神经网络（RNN）和递归神经张量网络（RNTN）的情感分析方法，旨在改进文本中复杂情感表达的理解能力，其研究结果已在斯坦福大学的情绪分析页面上发布。 RNTN模型是基于研究论文《Recursive Deep Models for Semantic Compositionality Over a Sentiment Treebank》以及斯坦福大学的相关网站资料开发的。 已经实现了一个仅使用 Numpy 对象的 RNTN，适用于 PTB 树格式数据集，并且在没有进行特殊参数调整（例如网格搜索优化）的情况下，通过经典的随机梯度下降方法可以获得大约 64% 的分类准确率。所有文件都存放在 Numpy 文件夹中。 接下来尝试使用 Theano 在代码中添加 GPU 支持的方法。由于我的显卡不支持 Cuda 6.5，因此在其他计算机上运行可能会有更好的效果。 我进行了以下尝试： A. 将数据分配到符号变量中以便在 GPU 上进行矩阵运算计算。 这种方法有效但非常慢——正如预期的那样，从 CPU 到 GPU 的数据传输开销很大。