自然语言处理（NLP）：05 基于 doc2vec 特征抽取+电影情感文本分类

本章节研究内容： doc2vec 提取句子特征+基于doc2vec 特征工程 文本分类问题

基于Doc2Vec情感分析

词向量在NLP被广泛应用，通过引入Doc2Vec，不仅可以对单个词进行词向量表示，而且可以对整个句子或文章进行表示。 想象一下，能够使用固定长度的向量表示整个句子，然后我们可以使用标准的分类算法去分类。是一件很神奇的事情。

本章以Word2Vec 为基础，使用Doc2Vec 来做些情感分析的任务问题。

IMDB预料 进行分类（积极or消极）：http://www.cs.cornell.edu/people/pabo/movie-review-data/

Doc2Vec 论文：《Distributed Representations of Sentences and Documents.pdf》

也可以通过数据集下载：https://download.csdn.net/download/shenfuli/11435197

数据预处理

文件有5个文档

1. 负样本集合
   test-neg.txt: 12500 条 ；
   train-neg.txt: 12500条

2. 正样本集合
   test-pos.txt: 12500条 ；
   train-pos.txt: 12500条

我们处理思路： 考虑到这些数据都有标签，我们合并所有数据，然后切分数据，进行训练和测试验证