文本情感分类 5万条电影评论数据 循环神经网络 代码
时间: 2023-11-18 16:04:19 浏览: 38
好的,以下是用Keras实现的一个简单的LSTM模型,可以用于文本情感分类任务,具体实现过程如下:
```python
import numpy as np
from keras.layers import Dense, LSTM, Dropout, Embedding
from keras.models import Sequential
from keras.preprocessing.sequence import pad_sequences
from keras.preprocessing.text import Tokenizer
from sklearn.model_selection import train_test_split
# 加载数据集
data = open('data.txt', 'r', encoding='utf-8').readlines()
labels = open('labels.txt', 'r', encoding='utf-8').readlines()
# 对文本进行分词和词向量化
tokenizer = Tokenizer(num_words=5000)
tokenizer.fit_on_texts(data)
sequences = tokenizer.texts_to_sequences(data)
word_index = tokenizer.word_index
max_length = max([len(seq) for seq in sequences])
data = pad_sequences(sequences, maxlen=max_length)
# 对标签进行编码
labels = np.array([int(label.strip()) for label in labels])
# 将数据集划分为训练集和测试集
train_data, test_data, train_labels, test_labels = train_test_split(data, labels, test_size=0.2, random_state=42)
# 定义LSTM模型
model = Sequential()
model.add(Embedding(5000, 32, input_length=max_length))
model.add(Dropout(0.2))
model.add(LSTM(100))
model.add(Dropout(0.2))
model.add(Dense(1, activation='sigmoid'))
model.compile(loss='binary_crossentropy', optimizer='adam', metrics=['accuracy'])
model.summary()
# 训练模型
model.fit(train_data, train_labels, validation_split=0.2, epochs=10, batch_size=64)
# 评估模型
loss, accuracy = model.evaluate(test_data, test_labels)
print('Test Loss:', loss)
print('Test Accuracy:', accuracy)
```
需要注意的是,此代码仅供参考,具体操作需要根据自己的数据集和实验需求进行调整。
相关推荐
![pdf](https://img-home.csdnimg.cn/images/20210720083512.png)
![pdf](https://img-home.csdnimg.cn/images/20210720083512.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)