tflearn 基于循环神经网络（LSTM）计算文本情感值

最新推荐文章于 2024-10-09 22:16:03 发布

炒鸡嗨客协管徐

最新推荐文章于 2024-10-09 22:16:03 发布

阅读量1.9k

点赞数

分类专栏：自然语言处理机器学习文章标签： tflearn 循环神经网络自然语言处理文本分类情感计算

本文链接：https://blog.csdn.net/xfgryujk/article/details/79633812

版权

这篇博客介绍了如何利用tflearn库和循环神经网络（LSTM）对中文文本进行情感计算。通过预处理步骤，包括文本转简体、转小写和分词，将文本转化为词ID序列，然后应用LSTM模型进行文本分类。在淘宝好评差评的分类任务中，该模型取得了88.7%的准确率。

摘要由CSDN通过智能技术生成

修改自官方教程

对于中文文本，可以先用hanziconv把繁体转简体，英文转小写，再用结巴分词把句子转成词序列，根据词汇表转成词ID序列

这个模型我用来分类淘宝的好评、差评，正确率达到了88.7%

# -*- coding: utf-8 -*-

"""
tflearn教程，用LSTM循环神经网络分类文本
https://github.com/tflearn/tflearn/blob/master/examples/nlp/lstm.py
"""

import tflearn
from tflearn.data_utils import to_categorical, pad_sequences
from tflearn.datasets import imdb

# 词汇表词数
VOCAB_LEN = 10000