华中科技大学 Python 大数据与人工智能实践作业.zip

# Rotten-Tomatoes 烂番茄电影评论打分 > 华中科技大学 Python大数据与人工智能实践作业 参考了 https://www.kaggle.com/code/yuanhuanyu/bert-tiny-sentiment-analysis-on-movie-review 等代码 ### 数据集 https://www.kaggle.com/c/sentiment-analysis-on-movie-reviews/data ### 项目模块结构 代码仓库结构： ```plain . └── Rotten-Tomatoes ├── data # 数据集 ├── docs # 作业要求 ├── images # 文档中的图片 ├── README.md # 说明文档 ├── src # 代码 └── visual # 可视化 ``` `src` 目录代码模块依赖结构： ```plain . ├── tomato.py │   ├── classifier.py │   └── dataset.py └── test.py ``` `tomato.py` 用于训练和验证数据集，它依赖于 `dataset` 和 `classifier` 这两个模块： - `dataset` - 数据集，用于简化对数据的操作，并利用 `BertTokenizer` 对其进行分词。 - `classifier` - 分类器，使用 BERT 模型对评论进行分类。 ```console $ cd src $ python tomato.py # 训练和验证 ``` `test.py` 则利用已经训练保存的模型 `bert.model` 对输入的新评论进行打分预测，例如： ```console $ python test.py "I think it's pretty good!" # 试试新评论 ``` ### 准确度 重复三次“训练集/验证集划分、训练、测试”，三次的平均准确率为 0.678 ：  运行 30 个 Epoch 的 Loss 和 Accuracy 曲线：  |  --- | --- ### 实验报告 实验报告及其 MarkDown 格式文档在 `report/` 路径下，感谢 [woolen-sheep](https://github.com/woolen-sheep) 的 [md2report](https://github.com/woolen-sheep) 🙏 。