文本挖掘（四）python电影评论情感分类模型 -- 基于keras的全连接神经网络

概述简介：以keras书中案例，讲述构建电影评论情感分类模型。1.定义问题，收集数据使用消极、积极两类电影评论集，构建对情感分类模型，并后续用于预测。由于只有两类，因此是一个二分类模型。原始数据采用keras库中的imdb数据集，它包含来自互联网电影数据库（IMDB）的50000条严

　　简介：以keras书中案例，讲述构建电影评论情感分类模型。

　　1.定义问题，收集数据

　　使用消极、积极两类电影评论集，构建对情感分类模型，并后续用于预测。由于只有两类，因此是一个二分类模型。

　　原始数据采用keras库中的imdb数据集，它包含来自互联网电影数据库（IMDB）的50 000 条严重两极分化的评论。数据集被分为用于训练的25 000 条评论与用于测试的25 000 条评论，训练集和测试集都包含50% 的正面评论和50% 的负面评论。

from keras.datasets import imdb# 为什么限定为使用常见的前10000个词汇呢# 防止词向量过大(train_data, train_labels), (test_data, test_labels) = imdb.load_data(num_words=10000)

　　通过内置字典，还原回评论。

# word_index is a dictionary mapPing words to an integer indexword_index = imdb.get_word_index()# We reverse it, mapPing integer indices to wordsreverse_word_index = dict([(value, key) for (key, value) in word_index.items()])# We decode the revIEw; note that our indices were offset by 3# because 0, 1 and 2 are reserved indices for "padding", "start of sequence", and "unkNown".decoded_revIEw = ' '.join([reverse_word_index.get(i-3, '?') for i in train_data[0]])

　　原始数据集为整数序列，需要将列表转换为张量。将整数序列进行One-hot编码。

import numpy as npdef vectorize_sequences(sequences, dimension=10000):    # Create an all-zero matrix of shape (len(sequences), dimension)    results = np.zeros((len(sequences), dimension))    for i, sequence in enumerate(sequences):        # 切片赋值，传入数值列        results[i, sequence] = 1.  # set specific indices of results[i] to 1s    return results# Our vectorized training datax_train = vectorize_sequences(train_data)# Our vectorized test datax_test = vectorize_sequences(test_data)
x_test.shape  #(25000, 10000)

　　转换标签数据类型

# Our vectorized labelsy_train = np.asarray(train_labels).astype('float32')y_test = np.asarray(test_labels).astype('float32')

　　2.构建网络

　　使用全连接神经网络，中间层一般使用relu作为激活函数，二元分类末端使用sigmoID激活函数，最终输出为一个概率值。

from keras import modelsfrom keras import layersmodel = models.Sequential()model.add(layers.Dense(16, activation='relu', input_shape=(10000,)))model.add(layers.Dense(16, activation='relu'))model.add(layers.Dense(1, activation='sigmoID'))

　　3.定义优化器和损失函数

model.compile(optimizer='rmsprop',              loss='binary_crossentropy',              metrics=['binary_accuracy'])

　　4.构建训练集和验证集

x_val = x_train[:10000]partial_x_train = x_train[10000:]y_val = y_train[:10000]partial_y_train = y_train[10000:]

　　5.开始训练，设置提前中断。在第8个回合停止了训练。

path_checkpoint = "model_checkpoint.h5"es_callback = keras.callbacks.EarlyStopPing(monitor="val_loss", min_delta=0, patIEnce=5)# 使用ModelCheckpoint回调EarlyStopPing函数定期保存检查点，并使用该回调函数在验证损失不再改善时中断训练。modelckpt_callback = keras.callbacks.ModelCheckpoint(    monitor="val_loss",    filepath=path_checkpoint,    verbose=1,    save_weights_only=True,    save_best_only=True,)history = model.fit(partial_x_train,                    partial_y_train,                    epochs=20,                    batch_size=512,                    valIDation_data=(x_val, y_val),                   callbacks=[es_callback, modelckpt_callback])

　　6.可视化输出模型训练效果

history_dict = history.historyhistory_dict.keys()import matplotlib.pyplot as pltacc = history.history['binary_accuracy']val_acc = history.history['val_binary_accuracy']loss = history.history['loss']val_loss = history.history['val_loss']epochs = range(1, len(acc) + 1)# "bo" is for "blue dot"plt.plot(epochs, loss, 'bo', label='Training loss')# b is for "solID blue line"plt.plot(epochs, val_loss, 'b', label='ValIDation loss')plt.Title('Training and valIDation loss')plt.xlabel('Epochs')plt.ylabel('Loss')plt.legend()plt.show()

 

 

plt.clf()   # clear figureacc_values = history_dict['binary_accuracy']val_acc_values = history_dict['val_binary_accuracy']plt.plot(epochs, acc, 'bo', label='Training acc')plt.plot(epochs, val_acc, 'b', label='ValIDation acc')plt.Title('Training and valIDation accuracy')plt.xlabel('Epochs')plt.ylabel('Loss')plt.legend()plt.show()

 

 　　7.对测试集进行测试，最终效果精确度约为86%。

# 评分 [0.38946253061294556, 0.8613200187683105]results = model.evaluate(x_test, y_test)

小结：

　　使用keras构建了简单的全连接神经网络情感分论模型。

下一步，构建更复杂的网络使模型更复杂已找到恰到拟合的界限。如，增加网络节点，层数（开头增加embedding层，中间增加隐藏层）。如用其他网络模型如LSTM适合处理序列问题。

总结

以上是内存溢出为你收集整理的文本挖掘（四）python电影评论情感分类模型 -- 基于keras的全连接神经网络全部内容，希望文章能够帮你解决文本挖掘（四）python电影评论情感分类模型 -- 基于keras的全连接神经网络所遇到的程序开发问题。

如果觉得内存溢出网站内容还不错，欢迎将内存溢出网站推荐给程序员好友。