我有一组包含各种参数的对话数据集（例如是否为问题、动作、传达的情感等）。每句话有4种不同的“信息”。假设A回复B，A有一个额外的参数列表，用于其可能的情感（1.0.0.0）（愤怒.快乐.悲伤.无聊） – 另一个列表用于其可能的动作（1.0.0.0）（问题.回答.冲动.结束）

我知道如何构建一个常规的RNN模型（从我在这里那里看到的教程和论文中），但我似乎找不到一个“参数”架构。我应该训练多个模型吗？（比如句子A –> 情感，然后句子B –>动作），然后单独训练主RNN，并通过所有模型预测结果？

还是有办法构建一个单一模型，将所有信息从一开始就存储起来？我为我的英语不够准确而道歉，这使得我寻找答案变得更加困难。

回答：

根据我对您问题的理解，您想根据特定句子找出情感/动作。句子A有情感作为标签，句子B有动作作为标签。每个标签有4个不同的值，总共有8个值。您对如何将标签作为输入实现感到困惑。

现在，您可以为所有这些标签分配单独的类别。比如情感会有标签（1.2.3.4），动作会有标签（5.6.7.8）。然后连接两个数据集，并通过RNN进行分类。

如果您需要将情感/动作作为输入传递，那么将它们添加到向量化矩阵中。假设您有句子A说“今天的环境很好”并带有快乐的情感。将情感添加到它的矩阵行中，像这样：

今天 | 环境 | 非常 | 好 | 健康

1 | 1 | 1 | 1 | 0

现在添加情感，如下所示：

今天 | 环境 | 非常 | 好 | 健康 | 情感

1 | 1 | 1 | 1 | 0 | 2（代表快乐）

希望这能回答您的问题。