liu-hz18/ChineseSentimentAnalysis

Chinese Sentiment Analysis Project (Pytorch) for Course 'Introduction to Artificial Intelligence'

中文情感分类(Chinese Sentiment Classification)

liu-hz18@mails.tsinghua.edu.cn

implemented model: MLP, CNN, RNN

衡量标准: Acc, F1(macro)

Performance

Model	Test-Acc
MLP	56.64
BERT-MLP	60.33
CNN	58.86
Text-CNN	62.72
RNN	55.09
LSTM	61.16
GRU	62.64

提交的包中已经包含了预处理后的文件，可以直接训练。

预处理

如果您需要从头开始预处理数据(非必需)， 您需要下载Word2Vec词向量文件sgns.sogounews.bigram-char，您可以从我的云盘

https://cloud.tsinghua.edu.cn/f/cb435184e9ed41979d49/

中下载，放入/word2vec/文件夹下之后开始预处理过程。

之后您可以在命令行输入

python main.py pre

来进行预处理工作。

训练

命令行中输入一种模型名称即可开始训练。

python main.py mlp|cnn|rnn|textcnn|rcnn|bert (选一个)

可以训练相应的神经网络. main.py 中针对不同网络设置了对应模型的参数，您可以根据需要修改相关参数.

输出文件

均保存在/save/... 中对应的文件夹下.

输出包括：

参数配置config.json、训练日志*.log、模型参数*.pkl、

模型可视化结构*.pdf、使用TensorBoard 可视化的Scalar 曲线events.out.tfevents.xxx等文件。

可视化

您可以在最上层文件夹下执行命令

tensorboard ‐‐logdir save/...

来查看acc, loss, F1, corr 等scalar 变化的曲线.

特别地，如果您想查看所有模型的可视化结果，请执行命令

tensorboard ‐‐logdir save/all/run

之后在http://localhost:6006/ 中查看结果。

---