我一直在按照我在here找到的教程尝试使用循环神经网络（RNN）进行情感分析。虽然我的模型可以正常运行，但我在准确性方面遇到了障碍，始终达到 85-90% 之间。我尝试了各种优化，但我不确定什么构成合理的基线来结束我的努力，特别是考虑到基于 Transformer 的 LSTM 模型的潜在效率。
我的主要疑问不是以进一步提高准确性为中心；相反，我寻求指导来确定何时考虑情感分析模型对于实际使用足够有效，特别是在使用 RNN 来完成此任务时。由于我对机器学习比较陌生，所以我不清楚何时确定我的目标已经实现。
嗯，这当然不是一个容易回答的问题。一般来说，在非常基本的层面上，您的模型应该优于随机基线。
以 85-90% 的准确度使用模型绝对没有问题，并且对于“大多数”应用程序应该没问题（我在这里宽松地使用术语“大多数”）。但同样，如果您正在进行这项研究，那么更高的性能是值得赞赏的（但这并不是决定研究结果重要性的唯一因素）。
除了上述一点之外，训练模型的使用（以及确定您是否实现目标的里程碑）与数据集和下游任务的严重性相关/高度主观。
话虽这么说，如果您还没有这样做的话，可能值得在您的数据集上微调预训练模型（如果您有的话）。