UCAS菌皓

俗话说得好，万事开头难，往后中间难，最后结尾难…… 为什么做这个 自从Robert Engle [Engle和Ng，1993]提出金融有关新闻对股票波动性有影响以来，“金融文本的情感分析” 已广泛应用于金融应用中。 当然，更主要是因为小J一时脑热，选了一门计系的人工智能基础，大作业是用深度学习做金融文本的情感分类，语言、工具等自选（人生苦短，我用python）。本想抱计系大佬大腿，然鹅阴差阳错...

用到的库：xlrd, jieba 要做什么 这一步是为了分词，利用jieba分词实现。不过先要把包含原始数据的xlsx文件中包含文本的部分提取到txt文件中方便处理。 下面上代码。 xlsx转txt #encoding=utf-8 ############################################# ### 对word2vec进行训练需要语料库 ###...

用到的模块：gensim, logging, os 原料：f.txt_cut.txt文件 word2vec代码 #encoding=utf-8 #定义模型训练函数 def model_train(train_file_name, save_model_file): # model_file_name为训练语料的路径,save_model为保存模型名 from gensim.models ...

主要模块：keras, gensim, pandas 利用训练好的词向量，基于keras使用1dCNN神经网络完成文本情感分类。 keras参考代码链接 准备工作 1.训练好的词向量模型"f.model"; 2.把原始数据集中的文本内容分词，存放到data.xlsx中。 import openpyxl import jieba # read origin excel fname = "class...