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
- python 3
- tensorflow >0.8
- numpy
- scikit-learn
- jieba
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。
文件中定义了各类方法，方便对原始数据进行预处理
文件中定义了训练数据时，可以使用的加载数据的方法
- 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
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