新闻文本分类项目基于textcnn word2vec 代码+数据

 当时我的成绩  阿里天池 

原始数据  训练的词向量  模型 代码都在下面这两个链接里 一个完整版 一个不完整版  

from gensim.models import KeyedVectors
from gensim.scripts.glove2word2vec import glove2word2vec
import pandas as pd
import numpy as np 
import torch
from torch import nn
import torch.utils.data as data
import torch.nn.functional as F
from torch import tensor
from sklearn.metrics import f1_score
from datetime import datetime 
import time 

#csv数据量的数目测试  一共有20000条
with open("train_set839.csv", 'r') as f: #计算长度
    hang_count=len(f.readlines())
#     print(hang_count)

#先把csv中一个句子拿出来  然后把每个单词去词训练库里面找对应的向量规定对于每个句子矩阵都构建一个2000,300的矩阵。
def hang_vectoes_label(index): # 要读取csv文本第几行的文章数据 会返回一个 列表里面是文章的词向量矩阵和标签值
    row=df.values[index] #读取数据的第几行
    row=row[0].split()   #这些数据变成一个列表
    label=row[0]
    hang_txt=row[1:]
    hang_labeltxt_juzhen=[]
    meihang_wenben_juzhen=np.zeros((1000,300))#，每一个文本定义一个空的全0的2000,300的矩阵 
    t=0
    for a in hang_t