在Tensorflow中限制多类分类中的输出类答案

【问题标题】：Restricting output classes in multi-class classification in Tensorflow在Tensorflow中限制多类分类中的输出类
【发布时间】：2016-11-29 01:17:41
【问题描述】：

我正在构建一个双向 LSTM 来进行多类句子分类。我总共有 13 个类可供选择，我将 LSTM 网络的输出乘以一个维度为 [2*num_hidden_unit,num_classes] 的矩阵，然后应用 softmax 来获得句子落入 13 个类中的一个的概率。

因此，如果我们将output[-1] 视为网络输出：

W_output = tf.Variable(tf.truncated_normal([2*num_hidden_unit,num_classes])) result = tf.matmul(output[-1],W_output) + bias

我得到了我的[1, 13] 矩阵（假设我暂时没有处理批次）。

现在，我还知道给定句子肯定不属于给定类别，我想限制给定句子考虑的类别数量。例如，假设对于一个给定的句子，我知道它只能分为 6 个类，所以输出应该是一个维度矩阵 [1,6]。

我正在考虑的一个选项是在result 矩阵上放置一个掩码，在该矩阵中，我将对应于我想要保留的类的行乘以 1，我想要丢弃的行乘以 0，通过这种方式我只会丢失一些信息而不是重定向它。

有人知道在这种情况下该怎么办吗？

【问题讨论】：

【解决方案1】：

我认为你最好的选择是，正如你所描述的，使用加权交叉熵损失函数，其中“不可能的类”的权重为 0，而其他可能的类的权重为 1。 Tensorflow 具有加权交叉熵损失函数。

另一种有趣但可能不太有效的方法是提供您现在掌握的任何信息，说明您的句子在某个时间点（可能接近尾声）可以/不能落入网络中。

【讨论】：