基于Keras的MLP模型（情感分析）

最新推荐文章于 2024-08-29 17:05:54 发布

h1t_cnslee

最新推荐文章于 2024-08-29 17:05:54 发布

阅读量1k

点赞数

本文链接：https://blog.csdn.net/h1t_cnslee/article/details/89457284

版权

该博客介绍了一个基于Keras的情感分析模型。首先，通过jieba分词并去除停用词来提取关键词。然后，利用Tokenizer进行文本预处理，将文本转换为二进制矩阵。最后，构建了一个包含两个隐藏层的全连接神经网络，并使用adam优化器进行训练。

摘要由CSDN通过智能技术生成

import random
import jieba
from keras.utils import np_utils
from keras.models import Sequential
from keras.layers import Dense
from keras.preprocessing.text import Tokenizer

def getStopWords():
    with open('./Data/stopwords.dic', 'r', encoding='utf-8') as fr:
        stopWords = fr.read().split('\n')[:-1]
    return set(stopWords)

def keywordExtraction(sentence, stopWords):
    allWords = list(jieba.cut(sentence))
    return [word for word in allWords if word not in stopWords
            and ~word.isdigit()]

def neuralNetworkClassify(vectorX, vectorY):
    index = [i for i in range(len(vectorX))]
    random.shuffle(index)
    vectorX = vectorX[index]
    vectorY = vectorY[index]

    model = Sequential()
    model.add(Dense(64, input_shape=(13835,), activation='relu'))#全连接层
    model.add(Dense(64, activation='relu'))
    model.add(Dense(3, activation='softmax'))

    model.comp