课程官网 http://web.stanford.edu/class/cs224n/syllabus.html
作业环境Python3.6
作业版本2018年春季
-
2018/10/25 完成q1_softmax.py
-
2018/11/03 q1、q2所有内容
-
2018/11/14 完成作业assignment1
-
2018/11/20 完成作业assignment2
-
2018/11/29 完成作业assignment3
py3下因为编码问题需要额外修改utils文件中的glove.py和treebank.py ，另外在运行q3.run和q4之前需要运行数据下载脚本get_datasets.sh 。
1.词向量的可视化
2.由自己训练的词向量做情感分析结果
3.由glove训练的词向量做情感分析结果
后者更好的原因是：
后者在维基上训练，数据量更大
后者维度更高（50维）
GloVe利用了全局统计信息，而word2vec（SG）没有
4.生成的confusion matrix
这个矩阵的主对角线上的元素越多，说明预测越正确。其他元素都是失误。可见模型很难分辨“中性”情感，并倾向于将其分入负面。但模型没有犯下大是大非的错误（将--分入++，或反之）。
5.惩罚因子对效果的影响
有了assignment1的基础，完成assignment1还算顺利，也是越来体会到编程不是那么重要了，只要公式推导出来了，编程也就是水到渠成事情。 这里需要注意一下，在用py3运行q2_parser_model.py的过程中，q2_parser_transitions.py会报一个错，我查看了原因时因为当stack中只有一个root时，下一步的动作竟然时left-arc，这应该时model时predict错误了。但是我强行修改了动作使其只能shift后，训练过程在dev上的精度只有29.06，这就很郁闷了。
断断续续历时一个月，终于完成了CS224n全部的作业，收获还是很大的。
贴一个最后的结果gru的结果吧，不知道为什么，我跑程序非常快，40个epoch可能不到2分钟就跑完了，但是题目中说是要求3-4个小时，我感觉是以为用python3读数据的时候出现的问题了，导致最后的结果不好。但是整个流程过了一遍，意义还是很大的。
