python电影评论情感分析_NLP文本分类问题-电影评论的情感分析

从头开始学习嵌入

import pandas as pd

import numpy as np

#读取csv文件

train = pd.read_csv('/kaggle/input/imdb-dataset-sentiment-analysis-in-csv-format/Train.csv')

valid = pd.read_csv('/kaggle/input/imdb-dataset-sentiment-analysis-in-csv-format/Valid.csv')

#训练测试集分离

x_tr, y_tr = train['text'].values, train['label'].values

x_val, y_val = valid['text'].values, valid['label'].values

from keras.preprocessing.text import Tokenizer

from keras.preprocessing.sequence import pad_sequences

tokenizer = Tokenizer()

#准备词汇表

tokenizer.fit_on_texts(list(x_tr))

#将文本转换为整数序列

x_tr_seq = tokenizer.texts_to_sequences(x_tr)

x_val_seq = tokenizer.texts_to_sequences(x_val)

#填充以准备相同长度的序列

x_tr_seq = pad_sequences(x_tr_seq, maxlen=100)

x_val_seq = pad_sequences(x_val_seq, maxlen=100)

【text.Tokenizer类】

函数：

fit_on_text(texts) 使用一系列文档来生成token词典，texts为list类，每个元素为一个文档。

te