super-lcx / multiclassify_lstm_forchinese

本项目主要是利用LSTM来对中文文本进行情感分类，包含四个类别（愤怒，焦虑，抑郁，伤感）

LSTM中文文本进行情感多分类

本项目主要是利用LSTM来对中文文本进行情感分类，包含四个类别（愤怒，焦虑，抑郁，伤感） 更详细的解读移步：知乎lim0

环境：

• py3
• keras
• gensim
• jieba

1 训练数据的准备

参见上面的data/文件夹 原始数据 我的训练数据是自己在网上找的，组织成四个.txt文件.每一行是一句话，除中文外，里面有各种乱七八糟的字符 清洗数据 去掉特殊符号（标点符号，数字，空格等）只保留汉字；这里的话方案很多，利用汉字的编码范围可以筛选， 详情见源码:code/dataset.py

2 分词

这里直接调用python的jieba分词API，见code/dataset.py

3 Word2Vec

计算机只能处理数字，为例将词语送给计算机处理，自然而然的要想办法将词语进行编码(对图像而言，编码无非就是一个一/三维的像素矩阵)，但是对自然语言的编码就困难了，想要把意思相近的词语编码成相似的向量可不是一件容易的事情，于是有人想到word2vec,其实它就干了一件事儿，把词语嵌入(编码)到一个高维空间(向量)，这些向量之间隐含了词语之间的关系。这个向量怎么来呢？答：训练得来 这里利用python 的gensim库,见code/word2vec.py

4 lstm构建

见code/lstm.py

5训练

见code/train.py

6推理

见code/infer.py， model/ 下面是已经训练了一部分的模型， 由于训练数据缺乏，效果一般，但可运行infer.py看一下前传效果