基于机器学习的商品评论情感分析
FOSSA Status
从淘宝爬取评论
使用Selenium模拟真实登录行为，并爬取数据。
数据清理
如果文本中有“666“，”好好好“等无用词语，去掉评论中的标点符号。
分词
使用jieba精确模式进行分词，构造词典
将词汇向量化
创建词语字典，并返回每个词语的索引，词向量，以及每个句子所对应的词语索引
分类模型对比
SVM vs LSTM
基于机器学习SVM与LSTM的商品评论情感分析.zip （43个子文件） 
主文件夹 svm_model 
model.pkl 7.35MB w2v_model.pkl 8.58MB lstm __init__.py 0B draw.py 2KB lstm_test.py 3KB train_lstm.py 6KB draw_plot.py 1KB comment_text.model 7.07MB data 
pos.xls 2.12MB neg.csv 2.49MB test_set.csv 58KB neutral.csv 2.12MB neg.xls 1.76MB pos.csv 3.39MB res_comment.csv 14KB .idea vcs.xml 180B misc.xml 288B inspectionProfiles profiles_settings.xml 174B graduation_project.iml 317B modules.xml 288B .gitignore 38B review_treatment __init__.py 0B review_pretreatment.py 2KB
使用说明.txt 488B chromedriver 13.77MB GUI main_page.py 2KB model lstm_three.h5 4.18MB lstm.yml 3KB Word2vec_model.pkl 18.94MB lstm_new.h5 3.3MB review_crawler review.csv 879KB restaurant_crawler.py 2KB crawler.py 2KB test __init__.py 0B model_test.py 1KB svm data test_vecs.npy 3.22MB y_test.npy 33KB train_vecs.npy 12.88MB y_train.npy 132KB train_svm.py 4KB draw_plot.py 413B train_cut.csv 395KB comment_text.vector 7.17MB资源评论
