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