循环神经网络实践—文本分类

前言

本文介绍循环神经网络的案例，通过搭建和训练一个模型，来对电影评论进行“文本分类”；将影评分为积极或消极两类；是一个二分类问题。

使用到网络电影数据库的 IMDB 数据集，包含 50,000 条影评文本，所有评论都具有正面或负面情绪，这是二元情绪分类的数据集。

目录

思路流程

一、导入数据集

二、数据预处理

三、创建模型

四、训练模型

五、评价模型

 六、使用模型

 七、优化模型

---

思路流程

1. 导入数据集
2. 探索集数据，并进行数据预处理
3. 构建模型（搭建神经网络、编译模型）
4. 训练模型（把数据输入模型、评估准确性、作出预测、验证预测）  
5. 使用训练好的模型
6. 优化模型、重新构建模型、训练模型、使用模型

一、导入数据集

IMDB数据集在 Tensorflow数据集 获取，划分训练集和测试集。

dataset, info = tfds.load('imdb_reviews/subwords8k', with_info=True,
                          as_supervised=True)
train_dataset, test_dataset = dataset['train'], dataset['test']

 dataset 包含所有评论都具有 正面 或