孙凯

@pangsg 下面给出一个具体例子，解释我们是如何做可视化的： 1. 先在数据集上训练好一个模型M。 2. 将句子``The food is good'' 输入M， 模型输出情感极性的分布(积极，消极，中立)[0.7, 0.1, 0.2]，因此预测的情感极性为积极。 3. 依次将句子中的词替换成``[pad]''符号，再次输入M，观察情感极性在积极上的相对变化量，将这个变化量视为该词对于极性预测的贡献量，我们认为变化量越大，说明该词对极性预测的贡献越大，即模型认为该词越重要，反之越小。 4. 例如将``[pad] food is good'' 输入M，模型输出的情感极性分布为[0.7, 0.1, 0.2]，则``The'' 这个词的贡献量为0 (0.7-0.7=0)。 5. 例如将``The food is [pad]''...

> Wonderful job, thanks! Could you please share the code with the building dependency tree? sorry, very busy these days. Will upload the code for generating dependency trees soon in...

@A11en0 Please check the ``parse_data.py'' file that can be used to generate dependency trees.