目录
1、数据集下载
from sklearn.model_selection import train_test_split
from gensim.models.word2vec import Word2Vec
import numpy as np
import pandas as pd
import jieba
from sklearn.externals import joblib
from sklearn.svm import SVC 2、载入数据，做预处理（分词），切分训练集与测试集
#载入数据，做预处理（分词），切分训练集与测试集
def load_file_and_preprocessing():
neg=pd.read_excel('chinese_data/neg.xls',header=None,index=None)
pos=pd.read_excel('chinese_data/pos.xls',header=None,index=None)
cw=lambda x:list(jieba.cut(x))
pos['words']=pos[0].apply(cw)
neg['words']=neg[0].apply(cw)
# use 1 for positive sentiment,0 for negative
y=np.concatenate((np.ones(len(pos)),np.zeros(len(neg))))
#训练集：测试集=8:2
x_train,x_test,y_train,y_test=train_test_split(np.concatenate((pos['words'],neg['words'])),y,test_size=0.2)
#NumPy提供了多种文件操作函数方便存取数组内容（npy格式以二进制存储数据的）
np.save('pre_data/y_train.npy',y_train)
np.save('pre_data/y_test.npy',y_test)
return x_train,x_test 3、计算训练集和测试集每条评论数据的向量并存入文件
#对每个句子的所有词向量取均值，来生成一个句子的vector
def build_sentence_vector(text,size,w2v_model):
vec=np.zeros(size).reshape((1,size))
count=0
for word in text:
try:
vec+=w2v_model[word].reshape((1,size))
count+=1
except KeyError:
continue
if count!=0:
vec/=count
return vec
#计算词向量
def get_train_vecs(x_train,x_test):
n_dim=300 #词向量维度
#试用Word2Vec建立词向量模型
w2v_model=Word2Vec(size=n_dim,window=5,sg=0,hs=0,negative=5,min_count=10)
w2v_model.build_vocab(x_train) #准备模型词汇表
#在评论训练集上建模
w2v_model.train(x_train,total_examples=w2v_model.corpus_count,epochs=w2v_model.iter) #训练词向量
#训练集评论向量集合
train_vecs=np.concatenate([build_sentence_vector(z,n_dim,w2v_model) for z in x_train])
np.save('pre_data/train_vecs.npy',train_vecs) #将训练集保存到文件中
print(train_vecs.shape) #输出训练集的维度
#在测试集上训练
w2v_model.train(x_test,total_examples=w2v_model.corpus_count,epochs=w2v_model.iter)
w2v_model.save('pre_data/w2v_model/w2v_model.pkl')
test_vecs=np.concatenate([build_sentence_vector(z,n_dim,w2v_model) for z in x_test])
np.save('pre_data/test_vecs.npy',test_vecs)
print(test_vecs.shape) 4、获得训练集向量和标签，测试集向量和标签
#获得训练集向量和标签，测试集向量和标签
def get_data():
train_vecs=np.load('pre_data/train_vecs.npy')
y_train=np.load('pre_data/y_train.npy')
test_vecs=np.load('pre_data/test_vecs.npy')
y_test=np.load('pre_data/y_test.npy')
return train_vecs,y_train,test_vecs,y_test
5、训练SVM模型
#训练SVM模型
def svm_train(train_vecs,y_train,test_vecs,y_test):
clf=SVC(kernel='rbf',verbose=True)
clf.fit(train_vecs,y_train) #根据给定的训练数据拟合SVM模型
joblib.dump(clf,'pre_data/svm_model/model.pkl') #保存训练好的SVM模型
print(clf.score(test_vecs,y_test)) #输出测试数据的平均准确度
6、构建待遇测句子的向量
#构建待遇测句子的向量
def get_predict_vecs(words):
n_dim=300
w2v_model=Word2Vec.load('pre_data/w2v_model/w2v_model.pkl')
train_vecs=build_sentence_vector(words,n_dim,w2v_model)
return train_vecs
7、对单个句子进行情感判断
#对单个句子进行情感判断
def svm_predict(string):
words=jieba.lcut(string)
words_vecs=get_predict_vecs(words)
clf=joblib.load('pre_data/svm_model/model.pkl')
result=clf.predict(words_vecs)
if int(result[0])==1:
print(string,'positive')
else:
print(string,'negative')
if __name__=='__main__':
#x_train, x_test=load_file_and_preprocessing()
#get_train_vecs(x_train, x_test)
#train_vecs, y_train, test_vecs, y_test=get_data()
#svm_train(train_vecs, y_train, test_vecs, y_test)
#对输入句子情感进行判断
string='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'
#string='牛逼的手机，从3米高的地方摔下去都没坏，质量非常好'
#string='这款电脑感觉还行，能用，先试用一下，应该不错'
svm_predict(string) 
京公网安备 11010502036488号