文本情感分类python_pyhanlp文本分类与情感分析

语料库

本文语料库特指文本分类语料库，对应IDataSet接口。而文本分类语料库包含两个概念：文档和类目。一个文档只属于一个类目，一个类目可能含有多个文档。比如搜狗文本分类语料库迷你版.zip，下载前请先阅读搜狗实验室数据使用许可协议。

用Map描述

这种关系可以用Java的Map来描述，其key代表类目，value代表该类目下的所有文档。用户可以利用自己的文本读取模块构造一个Map形式的中间语料库，然后利用IDataSet#add(java.util.Map)接口将其加入到训练语料库中。

用文件夹描述

这种树形结构也很适合用文件夹描述，即：

/**

* 加载数据集

*

* @param folderPath  分类语料的根目录.目录必须满足如下结构:

*                    根目录

*                    ├── 分类A

*                    │   └──1.txt

*                    │   └──2.txt

*                    │   └──3.txt

*                    ├── 分类B

*                    │   └──1.txt

*                    │   └──...

*                    └──...

*                    文件不一定需要用数字命名,也不需要以txt作为后缀名,但一定需要是文本文件.

* @param charsetName 文件编码

* @re