基于卷积神经网络CNN的中文文本分类源码实现

zh_cnn_text_classify Python Python 共30个文件 py: 5 data-00000-of-00001: 5 index: 5 meta: 5 utf8: 2 escenter11PC: 2 gitignore: 1 md: 1 runs/1492954581/checkpoints/checkpoint: 1 csv: 1 基于CNN的中文文本分类算法（可应用于垃圾邮件过滤、情感分析等场景） 基于cnn的中文文本分类算法 简介 参考IMPLEMENTING A CNN FOR TEXT CLASSIFICATION IN TENSORFLOW实现的一个简单的卷积神经网络，用于中文文本分类任务（此项目使用的数据集是中文垃圾邮件识别任务的数据集），数据集下载地址：百度网盘 区别 原博客实现的cnn用于英文文本分类，没有使用word2vec来获取单词的向量表达，而是在网络中添加了embedding层来来获取向量。 而此项目则是利用word2vec先获取中文测试数据集中各个字的向量表达，再输入卷积网络进行分类。 运行方法 训练 run python train.py to train the cnn with the spam and ham files (only support chinese!) (change the config filepath in FLAGS to your own) 在tensorboard上查看summaries run tensorboard --logdir /{PATH_TO_CODE}/runs/{TIME_DIR}/summaries/ to view summaries in web view 测试、分类 run python eval.py --checkpoint_dir /{PATH_TO_CODE/runs/{TIME_DIR}/checkpoints} 如果需要分类自己提供的文件，请更改相关输入参数 如果需要测试准确率，需要指定对应的标签文件(input_label_file): python eval.py --input_label_file /PATH_TO_INPUT_LABEL_FILE 说明：input_label_file中的每一行是0或1，需要与input_text_file中的每一行对应。 在eval.py中，如果有这个对照标签文件input_label_file，则会输出预测的准确率 推荐运行环境 python 2.7.13 :: Anaconda 4.3.1 (64-bit) tensorflow 1.0.0 gensim 1.0.1 Ubuntu16.04 64bit 说明 若按照以上步骤无法正常运行程序，请在Issues或在博客中提问，我会尽快回复。 https://gitee.com/zeng_hm/zh_cnn_text_classify