自然语言处理-正负向情感分类demo

最新推荐文章于 2023-09-08 00:46:10 发布

高远321

最新推荐文章于 2023-09-08 00:46:10 发布

阅读量1.7k

点赞数

分类专栏：神经网络 tensorflow 文章标签：自然语言

本文链接：https://blog.csdn.net/u013465194/article/details/89104568

版权

该博客介绍了一次使用TensorFlow构建LSTM模型进行正负向情感分类的实践。博主利用了北京师范大学和人民大学的词向量模型，并基于酒店评论数据集进行训练。最后，通过Flask和WSGIServer部署了模型服务。

摘要由CSDN通过智能技术生成

1.首先运用tensorflow 进行建模，主要运用lstm 模型建立神经网络。
2.利用北京师范大学和人民大学词向量模型
3.利用酒店评价语料进行模型训练
4.利用flast和WSGIServer进行模型服务发布

现将训练结果分享，获取两个模型后可直接运行。模型训练源代码涉及保密内容，后续稍微修改后会发布。

# coding=gbk
'''
基于tensorflow 自然语言预测程序
'''

import re
# 结巴分词
import jieba
# gensim用来加载预训练word vector
from gensim.models import KeyedVectors
import warnings
warnings.filterwarnings("ignore")
# flask 和gevent共同提供服务
from gevent.pywsgi import WSGIServer
from flask import Flask
#日志相关
import logging
# 我们使用tensorflow的keras接口来建模
from tensorflow.python.keras.models import load_model
from tensorflow.python.keras.preprocessing.sequence import pad_sequences

# 加载日志配置文件
logging.config.fileConfig("logging.ini")
logging.info('service server is begin starting...')

# flask 配置
app = Flask(__name__)

# 加载模型
model = load_model('my_model.h5')
logging.info('load_model my_model.h5 is done')

# 加载词向量
cn_model = K