苏神的https://spaces.ac.cn/archives/3863中word ding版代码详解
# -*- coding: utf-8 -*-
import pandas as pd
import numpy as np
import jieba
def cut_word(x):
s = list(jieba.cut(x))
return s
neg = pd.read_excel(\'neg.xls\',header=None,index=None)
pos = pd.read_excel(\'pos.xls\',header=None,index=None)
pos[\'label\'] = 1#给每行赋值
neg[\'label\'] = 0
data = pd.concat([pos,neg],ignore_index = True)
print(\'评论总数%d\'%len(data))
cw = lambda x: list(jieba.cut(x)) #定义分词函数
data[\'words\'] = data[0].apply(cw) #pd库 对data[0]每一列分词添加
#data[\'words\'] = data[0].apply(lambda x: list(jieba.cut(x)))
maxlen = 100
min_count = 5
content = []
for i in data[\'words\']:#pd库 可遍历该列数据
content.extend(i)
word_num = pd.Series(content).value_counts()#这里的中文是索引
word_num = word_num[word_num >= min_count]#去除词频小于5的数据(索引就没了)
word_num[:] = list(range(1,len(word_num)+1))#将词频改为数字顺序
word_num[\'\'] = 0#因为数字作为索引要0 所以补齐
word_set = set(word_num.index)#对索引求集合(这里的索引是文字)
def doc2num(s, maxlen): #转换为满维度的词向量,不同于word2vec
s = [i for i in s if i in word_set]
s = s[:maxlen] + [\'\']*max(0, maxlen-len(s))
return list(word_num[s])
data[\'doc2num\'] = data[\'words\'].apply(lambda s: doc2num(s, maxlen))#对每一个内容进行转换为词向量并添加
#手动打乱数据,防止数据褒贬顺序影响
idx = list(range(len(data)))
np.random.shuffle(idx)
data = data.loc[idx]
#按keras的输入要求来生成数据
x = np.array(list(data[\'doc2num\']))#神经网络输入需要np.array
y = np.array(list(data[\'label\']))
y = y.reshape((-1,1)) #调整标签形状,转置
from keras.models import Sequential
from keras. s import Dense, Activation, Dropout, ding, LSTM
#建立模型
model = Sequential()
model.add( ding(len(word_num), 256, input_length=maxlen))#它不是作为降维使用,而是作为一种特征表示使用
model.add(LSTM(128))
model.add(Dropout(0.5))
model.add(Dense(1))
model.add(Activation(\'sigmoid\'))
model.compile(loss=\'binary_crossentropy\',optimizer=\'adam\',metrics=[\'accuracy\'])
batch_size = 128
train_num = 15000
model.fit(x[:train_num], y[:train_num], batch_size = batch_size, nb_epoch=30,validation_split=0.1)
model.evaluate(x[train_num:], y[train_num:], batch_size = batch_size)
def predict_one(s): #单个句子的预测函数
s = np.array(doc2num(s, maxlen))
s = s.reshape((1, s.shape[0]))
return model.predict_classes(s, verbose=0)[0][0]
继续阅读与本文标签相同的文章
-
人工智能,深度学习和机器学习之间的区别
2026-05-18栏目: 教程
-
助力共享经济,芝麻信用背后的技术| 9月10号栖夜读
2026-05-18栏目: 教程
-
6张图说清楚Tomcat原理及请求流程
2026-05-18栏目: 教程
-
Java程序员面试中最容易答错的8道面试题,你中坑了吗?
2026-05-18栏目: 教程
-
微软Dynamics ERP&CRM 阿云里迁移
2026-05-18栏目: 教程
