使用SVM和Word2Vec进行情感分类

最新推荐文章于 2023-07-06 11:45:12 发布

原创

最新推荐文章于 2023-07-06 11:45:12 发布 · 1w 阅读

52 ·

CC 4.0 BY-SA版权

本文介绍了一种使用SVM和支持向量机（SVM）结合Word2Vec进行情感分类的方法。首先，对句子进行分词并保存类别标签。接着，计算词向量并保存。通过get_train_vecs函数获取训练和测试数据，然后训练SVM模型。最后，展示如何对新输入的句子进行情感判断，例如'电池充完了电连手机都打不开.简直烂的要命.真是金玉其外,败絮其中!连5号电池都不如'被判断为negative情感。" 86773187,8244304,Dijkstra算法与堆优化,"['图论', '算法', '数据结构', '优先队列']

得到句子分词后的结果，并把类别标签保存为y_train.npy,y_test.npy

# 加载文件，导入数据,分词
def loadfile():
    neg=pd.read_excel(config.NEG_PATH,header=None,index=None)
    pos=pd.read_excel(config.POS_PATH,header=None,index=None)

    cw = lambda x: list(jieba.cut(x))
    pos['words'] = pos[0].apply(cw)
    neg['words'] = neg[0].apply(cw)

    #print pos['words']
    #use 1 for positive sentiment, 0 for negative
    y = np.concatenate((np.ones(len