17、电影评论情感分析：从单通道到多通道卷积神经网络

电影评论情感分析：从单通道到多通道卷积神经网络

1. 单通道模型回顾与扩展思路

1.1 单通道模型预测示例

在进行情感分析时，我们可以使用单通道模型对新的电影评论数据进行预测。以下是一个完整的示例代码：

text = 'Everyone will enjoy this film. I love it, recommended!'
percent, sentiment = predict_sentiment(text, vocab, tokenizer, max_length, model)
print('Review: [%s]\nSentiment: %s (%.3f%%)' % (text, sentiment, percent*100))
# test negative text
text = 'This is a bad movie. Do not watch it. It sucks.'
percent, sentiment = predict_sentiment(text, vocab, tokenizer, max_length, model)
print('Review: [%s]\nSentiment: %s (%.3f%%)' % (text, sentiment, percent*100))

运行上述示例代码，首先会输出模型在训练集和测试集上的表现。模型在训练集上达到了 100% 的准确率，在测试集上达到了 87.5% 的准确率，这是一个相当不错的成绩。同时，模型对两条人为构造的电影评论做出了正确的预测，但预测的百分比或置信度接近 50%，这可能是因为这两