词向量-基于LSTM+CNN预训练词向量文本分类.zip

# Easy_Lstm_Cnn Lstm+Cnn 预训练词向量 文本分类 # 数据集： 本实验是使用THUCNews的一个子集进行训练与测试，数据集请自行到THUCTC：一个高效的中文文本分类工具包下载，请遵循数据提供方的开源协议; 文本类别涉及10个类别：categories = ['体育', '财经', '房产', '家居', '教育', '科技', '时尚', '时政', '游戏', '娱乐']，每个分类6500条数据； cnews.train.txt: 训练集(5000*10) cnews.val.txt: 验证集(500*10) cnews.test.txt: 测试集(1000*10) 训练所用的数据，以及训练好的词向量可以下载：链接: https://pan.baidu.com/s/1daGvDO4UBE5NVrcLaCGeqA 提取码: 9x3i # 1.利用Lstm+Cnn进行文本分类 将LSTM与CNN连接在一起的关键：LSTM返回的值为[batch_size,seq_length,hidden_dim],而cnn需要的四维张量，故需要用到tf.expang_dims。 ## 模型参数 parameters.py ## 预处理 预训练词向量进行embedding 对句子分词，去标点符号 去停用词 文字转数字 padding等 因为Cnn处理的是等长的序列，故在padding时，将所有句子padding到同一长度，本文指定最长序列max_length=300。 程序在data_processing.py ## 运行步骤 Training.py 由于小霸王运行非常吃力，因此只进行了3次迭代。但从迭代的效果来看，结果很理想。在训练集的batch中最好达到100%，同时测试集达到100%准确。  predict.py 模型用来对验证文本进行预测  验证结果表明，5000条文本准确率达97.7%，取前10条语句的测试结果与原标签对比。