基于卷积神经网络参数优化的情感分析实战

基于卷积神经网络参数优化的情感分析Code 本github上的代码是“基于卷积神经网络参数优化的中文情感分析”论文所编写 如果文章对您有帮助，或使用本文中训练的词向量，请添加文章引用，谢谢！ 王盛玉,曾碧卿,胡翩翩.基于卷积神经网络参数优化的中文情感分析[J].计算机工程,2017,43(08):200-207+214. ## Requirement - python 3 - tensorflow >0.8 - numpy - scikit-learn - jieba ## DataSets 实验的原始数据存放在data_origin文件夹下，分为酒店评论数据和电商评论数据，其中每个文件一条评论 实验的预处理数据存放在data_process文件夹下，分为酒店评论数据和电商评论数据，每种数据又分为消极评论和积极评论，并将原始评论数据整合到 一个文件中，每行一条评论数据。 ## 数据预处理类——preprocessing.py 文件中定义了各类方法，方便对原始数据进行预处理 ## 数据加载类——data_loader.py 文件中定义了训练数据时，可以使用的加载数据的方法 ## 卷积神经网络架构模型——cnn_graph.py ## 模型训练 - train_n.py 模型训练，但不会产生summary和checkout，使用10折交叉验证生成准确率 - train_y.py 模型训练，产生summary和checkout，使用10折交叉验证生成准确率,训练后可以通过tensorflow查看模型的训练趋势图，但训练速度较慢 模型训练时，请通过修改文件中模型的超参来查看模型对参数的敏感度，其中包括： - embedding_dim - filter_sizes - num_filters - dropout_keep_prob - l2_reg_lambda - batch_size - num_epochs 以及词向量的地址和训练数据地址 - w2v_path - file_dir ## 词向量模型 提前训练的词向量由于文件过大，不易上传，故存放在百度云盘中 地址：http://pan.baidu.com/s/1dFzBLPv 提取码：ficp 云盘中包括： - retrain_vectors_50 包含酒店评论数据的词向量，维度50 - retrain_vectors_100 包含酒店评论数据的词向量，维度100 - retrain_vectors_200 包含酒店评论数据的词向量，维度200 - vectors_50 搜狗新闻数据集训练的词向量，维度50 - vectors_100 搜狗新闻数据集训练的词向量，维度100 - vectors_200 搜狗新闻数据集训练的词向量，维度200 - vectorsPlus_50 搜狗新闻数据集+wiki数据训练的词向量，维度50 - vectorsPlus_100 搜狗新闻数据集+wiki数据训练的词向量，维度100 - vectorsPlus_200 搜狗新闻数据集+wiki数据训练的词向量，维度200 - wiki_vectors_50 wiki数据训练的词向量，维度50 - wiki_vectors_100 wiki数据训练的词向量，维度100 - wiki_vectors_200 wiki数据训练的词向量，维度200