基于LSTM的电影评论感情倾向分析代码，适合初学者研究RNN模型，适合毕业设计参考

项目：中文电影评论情感分类 如： 输入 评论语句 --> model --> positive/negative 一、数据集 数据集在data目录下，已经打好标签(1--positive, 0--negative)，也已经做好分词 1. 训练集；包含2W条左右中文电影评论，其中正负向评论各1W条左右； 2. 验证集；包含6K条左右中文电影评论，其中正负向评论各3K条左右； 3. 测试集；包含360条左右中文电影评论，其中正负向评论各180条左右； 数据集的处理： data_manager.py： 1. 把数据集读上来; 2. 把数据的中文词转成下标表示（词汇表），如：{'_PAD_': 0, '死囚': 1, '爱': 2, '刽子手': 3, '女贼': 4, ......} 3. 按照tensorflow框架的格式进行随机洗牌，分批次； 二、模型构建 基于lstm实现：network/mylstm.py 第一部分：词转成词向量 第二部分：2个RNN层 第三部分：用全连接层做分类, 转成概率格式 三、跑训练 train.py、model.py 1. 定义模型 2. 读取数据集 3. 训练：外循环是迭代、内循环批次 前向计算 计算误差（如果误差很小就可以结束） 计算梯度 更新权重 4. 保存模型 四、预测 使用训练好的模型，predict_demo.py 1. 加载模型 2. 加载词汇表 3. 把预测的句子转成词汇表下标表示 4. 送入模型进行前向计算 5. 判断是正向还是负向