sentimentanalysis

对微博评论进行情感三分类(正面,中性,负面)

---

目录

data/       存放训练语料测试语料
    cache/    词向量
    dict/     停用词表
    config.properties    sql相关配置信息
experiment_record/       实验记录
    dict/       语料词典
    model/      保存的模型
    sql/        sql语句
models/         各种模型
tools/          nlp相关工具
utils/          一些工具
data_process.py     数据预处理
funcs_test.py       功能测试
sentiment_classify.py       训练和测试

---

模型介绍

1. lstm_cnn 模型

先用lstm提取文本特征,再对文本特征进行卷积池化,多种大小的卷积核进行拼接,接全连接层得出分类结果

2. cnn_lstm 模型

先用cnn卷积出N_gram特征,多种大小的卷积核进行拼接,再输入lstm,接全连接层得出分类结果

3. lstm模型

多层lstm模型

4. cnn模型

多卷积核大小拼接的cnn模型

主程序介绍

python sentiment_classify.py
终端运行 sentiment_classify.py文件需要输入的参数

Parameter	Introduce	Demo
--model_path	模型路径
--mode	模式	train
--data_file_path	训练文件路径
--epochs	迭代次数	55
--model_type	模型名称	lstm_cnn
--use_embedding	词向量生成方法	train_in_layer
--vocabulary_size	限制词典大小	10000
--sentence_length	限制句子长度	40
--hidden_dim	隐层数	512
--embedding_dim	词嵌入层数	300
--batch_size	batch_size	512
--dropout	dropout	0.5
--lr	学习率	0.001
--word_dict_path	词典路径

python及相关依赖包版本

Name	Version
python	3.6.7
tensorflow	1.12.0
jieba	0.39
PyMySql	0.9.3
gensim	3.7.0