vocab 文本_学习笔记：用RNN进行中文文本分类

本文是基于TensorFlow使用RNN进行的中文文本分类的一篇学习笔记，作为初学者，参考别人的例子基本是重复写了一遍，刚开始遇到了很多问题，各种查资料，看代码，个人觉得自己动手写完一个小项目是很有效的学习方式。

首先简单说一下方法（这个例子很多人都做过，可作为初学者学习的入手Project）

代码地址：snow123321/Text-Classification-RNN

1、 RNN-中文文本分类

环境

Python 3

TensorFlow

数据集

使用THUCNews的一个子集进行训练与测试，数据集划分如下：

训练集cnews.train.txt 50000条

验证集cnews.val.txt 5000条

测试集cnews.test.txt 10000条

共分为10个类别："体育","财经","房产","家居","教育","科技","时尚","时政","游戏","娱乐"。

cnews.vocab.txt为词汇表，字符级，大小为5000，根据频次选择的。

文件说明

data_loader.py：文本数据处理

lstmrnn_model.py：RNN模型，实验的基本配置参数

run_RNN.py：主函数文件

结果

在3epoch时停止训练，测试集上准确率85%，可继续通过调参