以时间序列形式跟踪 NLP 的技术

Question

我有以下用于情感分类的用例（玩具/示例，而不是实际用例）。我有一些受访者 (

userid

)，他们会随机写一些

comments

来表达他/她的感受。目标是根据评论对情绪（积极/消极）进行分类，并查看模式是走向积极还是消极。

userid| time            | comment
1     | jan 1, 11:00 am | cccccsccscccscsc
1     | jan 1,  3:00 pm | dddddddddddd
1     | jan 2, 10.00 am | cccccsccscccscsc
1     | jan 2,  5:00 pm | dddddddddddd
2     | jan 1, 11.00 am | cccccsccscccscsc
2     | jan 1,  3:00 pm | dddddddddddd
2     | jan 1, 11.00 pm | ccccssssssc
2     | jan 2,  9:00 am | dddddddddddd
2     | jan 2,  3:00 pm | dddddddddddd
2     | jan 3, 10.00 am | ccccssssssc
2     | jan 3,  2:00 pm | dddddddddddd
2     | jan 3,  5.00 pm | cccccsccscccscsc
2     | jan 3,  9:00 pm | dddddddddddd

情感分类算法可以解决这个问题，但它不会考虑时间序列。这些算法将考虑每一行独立于其他行。 我正在探索是否存在任何方法/代码来解决此类问题。在这里，我们想要按顺序查看 NLP 文本的序列，并确定情绪是正面还是负面。

Answer 1

我建议看一下本文中介绍的关于将时间转换为向量（Time2vec）的方法。时间向量是从与输入评论相对应的时间戳T(t)中学习的。一旦获得与单列相关的表示，您就可以将表示与时间向量（特定于该评论）相加，并通过输出线性层处理它们以学习情感类别/评级。