最近在使用LSTM做基于THUCNews数据集的文本分类。之前用LSTM模型做10种新闻种类的分类时可以正常收敛，说明应该不是写错代码的原因，但是当我把新闻种类扩大到14种类别时，却出现了loss不下降的情况：
因为不知道是什么原因，所以希望能探究一下。
一、改变权重初始化方案
之前是让LSTM默认初始化，现在采用RNN常用的正交初始化，据说可以缓解梯度消失和梯度爆炸问题。
方法：
在初始化代码中加入：
nn.init.orthogonal_(self.lstm.weight_ih_l0)
nn.init.orthogonal_(self.lstm.weight_hh_l0)结果
没有改善。
二、改变输入文本的最大长度
输入文本的长度直接影响到模型参数的多少，模型参数越多越难训练，可能会导致loss不下降的情况。
方法
之前分词后的文本截断到了500个词，此次把文本的长度截断到了50个。
结果
loss正常下降，且收敛速度很快，七个epoch之后在验证集上的准确率达到最高，为94.71%。
如果是用于短文本分类，减少文本的最大长度能够很好的改善loss不下降的问题，而且训练速度能够大大加快。
但是我最终要用LSTM去做长文本的分类，因此还需要找到其他的方法。
三、学习率的调整
一般来讲，学习率的调整是操作起来最简单，但是也可能是最麻烦的一件事情。我之前有过调了调学习率就让模型从不收敛到收敛的经历，但是这次并没有什么效果。
方法
调整学习率，在[0.0003,1]中不断尝试。学习率过大会直接导致loss飙升到200以上，在一定区间上调小学习率能降低loss，但是继续调小学习率loss无法继续下降了。折腾了半天，发现最佳的初始学习率是默认的0.001左右，但之后无论怎么调整都无法使loss按照正常状况下降了。
结果
没有改善。
四、文本长度的降维
我大概知道是因为模型的参数过多所以难以训练了，这样我们或许能通过对文本的长度进行降维来改善这种状况。降维我最先想到的是通过池化的方式，但是直接进行池化会丢失掉很多的信息，所以我在宽度为10的最大池化前面又加入了一层宽度为3的卷积层，这样增强了模型对局部特征的提取能力。
模型代码如下
class MergeNet2(nn.Module):
def __init__(self,vocab_size,pkernel_size,embedding_dim,kernel_size,hidden_dim,layer_dim,output_dim):
"""
:param vocab_size: 词典长度
:param pkernel_size: 池化层kernel宽度
:param embedding_dim: 词向量维度
:param kernel_size: 卷积池kernel宽度
:param hidden_dim: LSTM神经元的个数
:param layer_dim: LSTM层数
:param output_dim: 隐藏层的输出维度（分类的数量）
"""
super(MergeNet2,self).__init__()
## 对文本进行词向量处理
self.embedding = nn.Embedding(vocab_size,embedding_dim)
## 对文本长度进行降维
self.conv = nn.Sequential(
nn.Conv1d(in_channels=embedding_dim,
out_channels=embedding_dim,
kernel_size=kernel_size),
nn.BatchNorm1d(embedding_dim),
nn.ReLU(inplace=True),
nn.MaxPool1d(kernel_size=(pkernel_size))
)
## LSTM+全连接
self.lstm = nn.LSTM(embedding_dim,hidden_dim,layer_dim,batch_first=True)
self.fc1 = nn.Linear(hidden_dim,output_dim)
def forward(self,x):
embeds = self.embedding(x)
## embeds shape (batch,sent_long,embedding_dim)
embeds = embeds.permute(0, 2, 1)
## embeds shape (batch,embedding_dim,sent_long)
conved = self.conv(embeds)
## conved shape (batch,embedding_dim,(sent_long-kernel_size+1)/pkernel_size)
conved = conved.permute(0, 2, 1)
## 这里lstmcell的输入维度要调整为embedding_dim，文本在时间上展开成一个个embedding向量，这样才是把文本作为序列信息处理
r_out,(h_n,h_c) = self.lstm(conved,None)
## r_out shape shape(batch,time_step,output_size)
## h_n shape (n_layers,batch,hidden_size)
## h_c shape (n_layers,batch,hidden_size)
## self.lstm两个参数：词向量和隐藏层的初始值，None表示hidden state会零初始化
## 选取最后一个时间点的out输出
out = self.fc1(r_out[:,-1,:])
return out结果
loss正常下降，九个epoch之后在验证集上的准确率达到最高，为94.95%。
总结
改进后模型显然已经不是一个纯粹的LSTM模型了，而是一个卷积和LSTM相结合的模型。对于长文本的输入，无论有多么长（我最多试过3000个词，这个时候的池化层宽度为20），只要合理调整池化层和卷积层的参数都能够使loss正常下降。比起单一的LSTM模型，改进后的模型对文本长度的限制更小，从而能更全面地提取长文本的特征，理论上比单一LSTM模型具有更好的准确率。
当然，本文的初衷并不是做模型的融合来提高准确率，或许在LSTM之前采用多层卷积并联或串联的方式能够得到更好的模型，但也要小心过拟合的问题。
