我应该使用哪种深度学习模型来 class 验证多 class 多标签问题
Which Deep Learning model should I use to classify a multi-class problem with multi-label
我想开发一个深度学习模型来 class验证一些评论和评论。下面是对数据结构的一些描述：
每条评论 可能与一个或多个 class 有关，例如关于 phone 电池或 phone 的评论OS，或其他 classes（类型分析）。
每条评论（例如关于 phone 电池及其 OS 的评论）可以是正面的、负面的或中性的，只是其中之一 (情绪分析）。
现在的问题是，我是否应该开发多个模型（每个模型一个模型 class），该模型有 3 个情感输出，如下所示：
DATA ==> TYPE DETECTION MODEL ==> output_1 (type of review)
DATA ==> SENTIMENT DETECTION MODEL ==> output_2 (sentiment of review)
REAL OUTPUT ==> output_1 + output_2
或者我应该开发一个 class 来 class 通过所有可能性（所有类型 * 所有情绪）验证数据，如下所示：
DATA ==> DETECT TYPE AND SENTIMENT MODEL ==> REAL OUTPUT
哪种方法更好，或者还有什么方法我不知道，请告诉我，不胜感激
我会为每个主题使用情感分析模型和二进制 class化模型。
我不会将主题 class化与情绪分析结合起来。这是两个独立的任务，每个任务都有自己的模型。
至于主题 class化本身，我倾向于每个 class 单独的模型，原因有二：
首先，通过这种方式我们可以获得每个 class 的完整激活范围。例如，如果一个文本与 class A 和 class B 都匹配得很好，我们可以期望两个对应的模型表明这一点，而如果我们使用单个模型，很可能只有一个这些 classes 将脱颖而出。
其次，使用单独的 classifier 构建的模型更具可扩展性。添加另一个主题相当于在该主题上训练新的 classifier。如果我们使用一个大 classifier，添加主题需要在所有主题上重新训练模型。
我想开发一个深度学习模型来 class验证一些评论和评论。下面是对数据结构的一些描述：
每条评论 可能与一个或多个 class 有关，例如关于 phone 电池或 phone 的评论OS，或其他 classes（类型分析）。
每条评论（例如关于 phone 电池及其 OS 的评论）可以是正面的、负面的或中性的，只是其中之一 (情绪分析）。
现在的问题是，我是否应该开发多个模型（每个模型一个模型 class），该模型有 3 个情感输出，如下所示：
DATA ==> TYPE DETECTION MODEL ==> output_1 (type of review)
DATA ==> SENTIMENT DETECTION MODEL ==> output_2 (sentiment of review)
REAL OUTPUT ==> output_1 + output_2
或者我应该开发一个 class 来 class 通过所有可能性（所有类型 * 所有情绪）验证数据，如下所示：
DATA ==> DETECT TYPE AND SENTIMENT MODEL ==> REAL OUTPUT
哪种方法更好，或者还有什么方法我不知道，请告诉我，不胜感激
我会为每个主题使用情感分析模型和二进制 class化模型。
我不会将主题 class化与情绪分析结合起来。这是两个独立的任务，每个任务都有自己的模型。
至于主题 class化本身，我倾向于每个 class 单独的模型，原因有二：
首先，通过这种方式我们可以获得每个 class 的完整激活范围。例如，如果一个文本与 class A 和 class B 都匹配得很好，我们可以期望两个对应的模型表明这一点，而如果我们使用单个模型，很可能只有一个这些 classes 将脱颖而出。
其次，使用单独的 classifier 构建的模型更具可扩展性。添加另一个主题相当于在该主题上训练新的 classifier。如果我们使用一个大 classifier，添加主题需要在所有主题上重新训练模型。