根据liuhuanyong模型改动，尝试推广到其它领域
原始模型连接：
1.crime_classify-train.py类
CrimeClassify类的init函数：
先要改动crime_file ,是所有的罪名，要推广到其它领域先改动这里，如图：
one/two文件内容如下：
第二个要改动train_file,这里不需要有这个文件，只是一个路径，你 运行完build_data产生的文件就是这个文件
腾讯词向量下载链接：
改动embedding_path，为你的词向量，我手头数据太少直接用的腾讯的词向量
改动embedding_size为你的词向量的维度，腾讯的是100维度
对于改动model_path你改不改都行
第三个就可以去跑build_data方法了，dict/onetwo.txt 是我训练集中，事件所包含的所有类型的文件，上面也展示了，f 是你数据处理后产生的数据：
这里需要重点说一下train.txt文件，这个训练数据是我根据他的程序反推出来的，注意我改动了一下crime,并且把上面的if判断注释了，具体如图：
数据如图： 标签 ### 原句 的形式
处理后的数据如图：
到此为止build_data方法可以完美运行了
我们调整训练函数，可以debug跟着test()一步步往下走
进入我全出来的函数可以明白，整体svm怎么数据处理到训练的
你的训练数据如果像我一样，还没有分词，把flag要改动一下
最后要改动的是load_embeding, 这里的100对应你的词向量维度
最后测试一下结果，去实体化predict()方法就好，可以看出效果还不错的，但泛化性不好
1万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
