**Trabalhos Futuros** Realização dos ajustes dos hiperparâmetros.

[HaraHeique]

LSTM

Para cada medida de similaridade utilizada fazer os ajustes dos seguintes hiperparâmetros:

• Otimizador (optimizer);
• Número de neurônios nas camadas oculta;
• Taxa de aprendizado (lr);
• Inicialização dos pesos;
• dropout rate;
• número de épocas;
• tamanho médio de uma frase (max_seq_length);
• Função de perda (loss).

CNN

Para cada medida de similaridade utilizada fazer os ajustes dos seguintes hiperparâmetros:

• Otimizador (optimizer);
• Número de neurônios nas camadas oculta;
• Taxa de aprendizado (lr);
• Inicialização dos pesos;
• dropout rate;
• número de épocas;
• tamanho médio de uma frase (max_seq_length);
• Função de perda (loss);
• Tamanho do Kernel;
• Número de Kernels;
• Tipo de pooling (médio ou máx);

[HaraHeique]

@Fideliszan Este aqui eu precisaria mais da sua ajuda para modificar os parâmetros.

[HaraHeique]

Validação cruzada

Vale a pena utilizá-la?

https://machinelearningmastery.com/k-fold-cross-validation/