实战|基于Keras搭建LSTM网络实现文本情感分类深度学习|keras|lstm|分类|Tensor

基于Keras搭建LSTM网络实现文本情感分类

一、语料概况
- 1.1 数据统计
- - 1.1.1 查看样本均衡情况，对label进行统计
  - 1.1.2 计句子长度及长度出现的频数
  - 1.1.3 绘制句子长度累积分布函数(CDF)
二、LSTM模型构建与评估
- 2.1 数据导入预处理
- - 2.1.1 获取标签和字符字典列表
  - 2.1.2 将文本和类别编码
- 2.2 构建LSTM模型
- 2.3 划分数据集-LSTM模型训练-验证
- 2.4 模型实际应用
- 2.5 完整代码

版本
在jupyter notbook中执行

import keras as ks import tensorflow as tfprint(ks.__version__) print(tf.__version__)

2.3.1
2.0.0

一、语料概况本次项目主要以电商网站下的用户评论数据作为实验数据集，数据集已经做好了标注。其中该数据集一共有4310条评论数据，文本的情感分为两类：“正面”和“反面”
其中evaluation为评论内容，label为情感倾向。

文章图片

1.1 数据统计先整体查看不同类别下的样本均衡情况，样本的不均衡会影响模型的分类效果
导入相应的库

import pandas as pd import matplotlib.pyplot as plt from matplotlib import font_manager from itertools import accumulateplt.rcParams['font.sans-serif']=['SimHei'] #图中文字体设置为黑体

1.1.1 查看样本均衡情况，对label进行统计

df = pd.read_csv('./data_single.csv') print(df.groupby('label')['label'].count())

label 正面1908 负面2375 Name: label, dtype: int64

整体来看样本还算均衡，正面1908条，负面2375条。可以达到需求了
深度学习中需要定义文本的最长长度，大于该长度就需要将文本切割，不够就填充0处理，所以还是需要整体统计出样本大致的文本长度分布。、
1.1.2 计句子长度及长度出现的频数
先计算句子的长度，在对句子的长度进行分组统计分析,看下不同长度下一共有几个样本

df[:30] df[:30].groupby('length').count()

文章图片

文章图片

可以看出长度15的有两个，length是句子长度，evaluation代表该长度下有几个样本，根据这两个值就可以画图了

df['length'] = df['evaluation'].apply(lambda x: len(x))len_df = df.groupby('length').count() sent_length = len_df.index.tolist() sent_freq = len_df['evaluation'].tolist()

获取数据中样本的所有长度sent_length，和该长度下sent_freq的样本数量绘图

# 绘制句子长度及出现频数统计图 plt.figure(figsize=(10,12)) plt.bar(sent_length, sent_freq,2) plt.title("句子长度及出现频数统计图", ) plt.xlabel("句子长度") plt.ylabel("句子长度出现的频数") plt.savefig("./句子长度及出现频数统计图.png") plt.show

文章图片

大部分长度在20左右。
1.1.3 绘制句子长度累积分布函数(CDF)
到句子累加到90%的时候，返回其对应长度值

### 绘制句子长度累积分布函数(CDF) sent_pentage_list = [(count/sum(sent_freq)) for count in accumulate(sent_freq)] plt.figure(figsize=(10,12))# 绘制CDF plt.plot(sent_length, sent_pentage_list)# 寻找分位点为quantile的句子长度 quantile = 0.90for length, per in zip(sent_length, sent_pentage_list): if round(per, 2) == quantile: index = length break print("\n分位点为%s的句子长度:%d." % (quantile, index))# 绘制句子长度累积分布函数图plt.plot(sent_length, sent_pentage_list,linewidth=4) plt.hlines(quantile, 0, index, colors="c", linestyles="dashed",linewidth=4) plt.vlines(index, 0, quantile, colors="c", linestyles="dashed",linewidth=4) plt.text(0, quantile, str(quantile),fontsize=10) plt.text(index, 0, str(index)) plt.title("句子长度累积分布函数图",fontsize=20) plt.xlabel("句子长度",fontsize=15) plt.ylabel("句子长度累积频率",fontsize=15) plt.savefig("./句子长度累积分布函数图.png") plt.show

分位点为0.9的句子长度:172.
文章图片

大多数样本的句子长度集中在1-200之间，句子长度累计频率取0.90分位点，则长度为172左右。
二、LSTM模型构建与评估 LSTM模型架构

文章图片

导库

import pickle import numpy as np import pandas as pd from keras.utils import np_utils, plot_model from keras.models import Sequential from keras.preprocessing.sequence import pad_sequences from keras.layers import LSTM, Dense, Embedding, Dropoutfrom sklearn.model_selection import train_test_split from sklearn.metrics import accuracy_score

2.1 数据导入预处理

filepath = 'data_single.csv' #数据 input_shape = 180#设置长度 model_save_path = 'corpus_model.h5' #模型保存位置df = pd.read_csv(filepath) df.head()

文章图片

2.1.1 获取标签和字符字典列表
取出标签，和数据；再去重。

# 标签及词汇表 labels, vocabulary = list(df['label'].unique()), list(df['evaluation'].unique()) labels

[‘正面’, ‘负面’]

vocabulary

[‘用了一段时间，感觉还不错，可以’,
‘电视非常好，已经是家里的第二台了。第一天下单，第二天就到本地了，可是物流的人说车坏了，一直催，客服也帮着催，到第三天下午5点才送过来。父母年纪大了，买个大电视画面清晰，趁着耳朵还好使，享受几年。’,
‘电视比想象中的大好多，画面也很清晰，系统很智能，更多功能还在摸索中’,
‘不错’,
‘用了这么多天了，感觉还不错。夏普的牌子还是比较可靠。希望以后比较耐用，现在是考量质量的时候。’,
‘物流速度很快，非常棒，今天就看了电视，非常清晰，非常流畅，一次非常完美的购物体验’,
‘非常好，客服还特意打电话做回访’,
‘物流小哥不错，辛苦了，东西还没用’,
‘送货速度快，质量有保障，活动价格挺好的。希望用的久，不出问题。’,
‘非常漂亮，也非常清晰，反应速度也快。’,
‘很不错家里都喜欢。。。一次买了三台’,
‘送货非常快！质量非常好，这次购物非常愉快！！’,
‘58好大……都不错。看质量咯’,
‘物流很快，物有所值，值得信赖。依旧会关顾！谢谢商家！’,
‘这价钱超值，收到货马上装上看了一下。很清晰式样也蛮好！赞赞……’,

构建每个字符，去重后的集合。

# 构造字符级别的特征 string = '' for word in vocabulary: #print(word) string += wordvocabulary = set(string) print(vocabulary) print(len(vocabulary))

文章图片

2154

一共有2154个词，2个类别
对每个字符都进行编码

word_dictionary = {word: i+1 for i, word in enumerate(vocabulary)} word_dictionary

文章图片

获取反转的字符编码

inverse_word_dictionary = {i+1: word for i, word in enumerate(vocabulary)} inverse_word_dictionary

文章图片

设置词汇表大小,标签类别数量

vocab_size = len(word_dictionary.keys()) # 词汇表大小 label_size = len(label_dictionary.keys()) # 标签类别数量

2.1.2 将文本和类别编码
将文本按照字典进行编码

x = [[word_dictionary[word] for word in sent] for sent in df['evaluation']] x

文章图片

编码后，还需要切割填充，网络对于每一个样本数据的特征长度要求都是一致的

x = pad_sequences(maxlen=input_shape, sequences=x, padding='post', value=https://www.it610.com/article/0) x

array([[1460, 325, 641, …, 0, 0, 0],
[1902, 2024, 905, …, 0, 0, 0],
[1902, 2024, 2023, …, 0, 0, 0],
…,
[ 641, 703, 868, …, 0, 0, 0],
[ 633, 1902, 2024, …, 0, 0, 0],
[ 641, 1233, 1233, …, 0, 0, 0]])

类别需要编码成0,1的one_hot编码

y = [[label_dictionary[sent]] for sent in df['label']] y

[[0],
[0],
[0],
[0],
[0],
[0],
[0],
[0],
[0],
[0],
[0],
[0],
[0],
[0],
[0],
[0],
[0],
[0],

转为one_hot编码

y = [np_utils.to_categorical(label, num_classes=label_size) for label in y] y

array([[1., 0.]], dtype=float32),
array([[1., 0.]], dtype=float32),
array([[1., 0.]], dtype=float32),
array([[1., 0.]], dtype=float32),
array([[1., 0.]], dtype=float32),
array([[1., 0.]], dtype=float32),
array([[1., 0.]], dtype=float32),
array([[1., 0.]], dtype=float32),
array([[1., 0.]], dtype=float32),
array([[1., 0.]], dtype=float32),
array([[1., 0.]], dtype=float32),
array([[1., 0.]], dtype=float32),
array([[1., 0.]], dtype=float32),

转为标准化的输入

y = np.array([list(_[0]) for _ in y]) y

array([[1., 0.],
[1., 0.],
[1., 0.],
…,
[0., 1.],
[0., 1.],
[0., 1.]], dtype=float32)

封装成函数,将字典保存下来
设置默认shape为20

# 导入数据 # 文件的数据中，特征为evaluation, 类别为label. def load_data(filepath, input_shape=20): df = pd.read_csv(filepath)# 标签及词汇表 labels, vocabulary = list(df['label'].unique()), list(df['evaluation'].unique())# 构造字符级别的特征 string = '' for word in vocabulary: string += wordvocabulary = set(string)# 字典列表 word_dictionary = {word: i+1 for i, word in enumerate(vocabulary)} with open('word_dict.pk', 'wb') as f: pickle.dump(word_dictionary, f) inverse_word_dictionary = {i+1: word for i, word in enumerate(vocabulary)} label_dictionary = {label: i for i, label in enumerate(labels)} with open('label_dict.pk', 'wb') as f: pickle.dump(label_dictionary, f) output_dictionary = {i: labels for i, labels in enumerate(labels)}vocab_size = len(word_dictionary.keys()) # 词汇表大小 label_size = len(label_dictionary.keys()) # 标签类别数量# 序列填充，按input_shape填充，长度不足的按0补充 x = [[word_dictionary[word] for word in sent] for sent in df['evaluation']] x = pad_sequences(maxlen=input_shape, sequences=x, padding='post', value=https://www.it610.com/article/0) y = [[label_dictionary[sent]] for sent in df['label']] y = [np_utils.to_categorical(label, num_classes=label_size) for label in y] y = np.array([list(_[0]) for _ in y])return x, y, output_dictionary, vocab_size, label_size, inverse_word_dictionary

2.2 构建LSTM模型

文章图片

可以看到中间的cell里面有四个黄色小框，你如果理解了那个代表的含义一切就明白了，每一个小黄框代表一个前馈网络层，对，就是经典的神经网络的结构，num_units就是这个层的隐藏神经元个数，就这么简单。其中1,2,4的激活函数是sigmoid，第三个的激活函数是tanh。

文章图片

假设units = 64
根据上图，我们可以计算，假设a向量是128维向量，x向量是28维向量，那么二者concat以后就是156维向量，为了能相乘，那么Wf就应该是(64,156),同理其余三个框，也应该是同样的shape。于是，在第一层就有参数64x156x4 + 64x4个。
若是把cell外面的参数也算进去，那么假设有10个类，那么对于最终的shape为(64,1)的输出at,还要有一个shape为(10,64)的W跟一个shape为(10,1)的b。

# 模型输入参数，需要自己根据需要调整 n_units = 100 #LSTM神经元数量 batch_size = 32 #每次迭代数据量，一般为2的次方 epochs = 5#训练批次 output_dim = 20 #输出维度model = Sequential() model.add(Embedding(input_dim=vocab_size + 1, output_dim=output_dim, input_length=input_shape, mask_zero=True)) model.add(LSTM(n_units, input_shape=(x.shape[0], x.shape[1]))) model.add(Dropout(0.2)) model.add(Dense(label_size, activation='softmax')) model.compile(loss='categorical_crossentropy', optimizer='adam', metrics=['accuracy'])# plot_model(model, to_file='./model_lstm.png', show_shapes=True) model.summary()

【实战|基于Keras搭建LSTM网络实现文本情感分类】模型架构：

Model: "sequential_8" _________________________________________________________________ Layer (type)Output ShapeParam # ================================================================= embedding_7 (Embedding)(None, 180, 20)43100 _________________________________________________________________ lstm_7 (LSTM)(None, 100)48400 _________________________________________________________________ dropout_1 (Dropout)(None, 100)0 _________________________________________________________________ dense_7 (Dense)(None, 2)202 ================================================================= Total params: 91,702 Trainable params: 91,702 Non-trainable params: 0 _________________________________________________________________

函数封装

# 创建深度学习模型， Embedding + LSTM + Softmax. def create_LSTM(n_units, input_shape, output_dim, filepath): x, y, output_dictionary, vocab_size, label_size, inverse_word_dictionary = load_data(filepath) model = Sequential() model.add(Embedding(input_dim=vocab_size + 1, output_dim=output_dim, input_length=input_shape, mask_zero=True)) model.add(LSTM(n_units, input_shape=(x.shape[0], x.shape[1]))) #model.add(Dropout(0.2)) model.add(Dense(label_size, activation='softmax')) model.compile(loss='categorical_crossentropy', optimizer='adam', metrics=['accuracy'])#plot_model(model, to_file='./model_lstm.png', show_shapes=True) model.summary()return model

2.3 划分数据集-LSTM模型训练-验证用sk-learn划分数据集，9:1的比例

x, y, output_dictionary, vocab_size, label_size, inverse_word_dictionary = load_data(filepath, input_shape) train_x, test_x, train_y, test_y = train_test_split(x, y, test_size = 0.1, random_state = 42)# 模型输入参数，需要自己根据需要调整 n_units = 100 batch_size = 32 epochs = 5 output_dim = 20# 模型训练 lstm_model = create_LSTM(n_units, input_shape, output_dim, filepath) lstm_model.fit(train_x, train_y, epochs=epochs, batch_size=batch_size, verbose=1)# 模型保存 lstm_model.save(model_save_path)

Model: "sequential_9" _________________________________________________________________ Layer (type)Output ShapeParam # ================================================================= embedding_8 (Embedding)(None, 180, 20)43100 _________________________________________________________________ lstm_8 (LSTM)(None, 100)48400 _________________________________________________________________ dense_8 (Dense)(None, 2)202 ================================================================= Total params: 91,702 Trainable params: 91,702 Non-trainable params: 0 _________________________________________________________________ D:\Anaconda3\envs\tf3\lib\site-packages\tensorflow_core\python\framework\indexed_slices.py:424: UserWarning: Converting sparse IndexedSlices to a dense Tensor of unknown shape. This may consume a large amount of memory. "Converting sparse IndexedSlices to a dense Tensor of unknown shape. " Epoch 1/5 3854/3854 [==============================] - 15s 4ms/step - loss: 0.4679 - accuracy: 0.7706 Epoch 2/5 3854/3854 [==============================] - 14s 4ms/step - loss: 0.2244 - accuracy: 0.9266 Epoch 3/5 3854/3854 [==============================] - 14s 4ms/step - loss: 0.1719 - accuracy: 0.9463 Epoch 4/5 3854/3854 [==============================] - 14s 4ms/step - loss: 0.1406 - accuracy: 0.9595 Epoch 5/5 3854/3854 [==============================] - 15s 4ms/step - loss: 0.1274 - accuracy: 0.9606

测试数据

N = test_x.shape[0]# 测试的条数 predict = [] label = [] for start, end in zip(range(0, N, 1), range(1, N+1, 1)): sentence = [inverse_word_dictionary[i] for i in test_x[start] if i != 0] y_predict = lstm_model.predict(test_x[start:end]) label_predict = output_dictionary[np.argmax(y_predict[0])] label_true = output_dictionary[np.argmax(test_y[start:end])] print(''.join(sentence), label_true, label_predict) # 输出预测结果 predict.append(label_predict) label.append(label_true)acc = accuracy_score(predict, label) # 预测准确率 print('模型在测试集上的准确率为: %s.' % acc)

给家里老人买的，很不错哦，价格实惠正面正面
给父母买的，特意用了一段时间再来评价，电视非常好，没有坏点和损坏，界面也很简洁，便于操作，稍微不足就是开机会比普通电视慢一些，这应该是智能电视的通病吧，如果可以希望微鲸大大可以更新系统优化下开机时间~电视真的很棒，性价比爆棚，值得大家考虑购买。客服很细心，快递小哥很耐心的等我通电验货，态度非常好。负面正面
长须鲸和海狮回答都很及时，虽然物流不够快但是服务不错电视不错，对比了乐视小米和微鲸论性价比还是微鲸好点负面负面
所以看不到4k效果，但是应该可以。自带音响，中规中矩吧，好像没有别人说的好。而且，到现在没连接上我的漫步者，这个非常不满意，因为看到网上说好像普通3.5mm的连不上或者连上了声音小。希望厂家接下来开发的电视有改进。不知道我要不要换个音响。其他的用用再说。放在地上的是跟我混了两年的tcl，天气受潮，修了一次，下岗了。最后，我也觉得底座不算太稳，凑合着用。负面负面
电视机一般，低端机不要求那么高咯。负面负面
很好，两点下单上午就到了，服务很好。正面正面
帮朋友买的，好好好好好好好好正面正面
模型在测试集上的准确率为: 0.9254079254079254.

函数封装

# 模型训练 def model_train(input_shape, filepath, model_save_path):# 将数据集分为训练集和测试集，占比为9:1 # input_shape = 100 x, y, output_dictionary, vocab_size, label_size, inverse_word_dictionary = load_data(filepath, input_shape) train_x, test_x, train_y, test_y = train_test_split(x, y, test_size = 0.1, random_state = 42)# 模型输入参数，需要自己根据需要调整 n_units = 100 batch_size = 32 epochs = 5 output_dim = 20# 模型训练 lstm_model = create_LSTM(n_units, input_shape, output_dim, filepath) lstm_model.fit(train_x, train_y, epochs=epochs, batch_size=batch_size, verbose=1)# 模型保存 lstm_model.save(model_save_path)N = test_x.shape[0]# 测试的条数 predict = [] label = [] for start, end in zip(range(0, N, 1), range(1, N+1, 1)): sentence = [inverse_word_dictionary[i] for i in test_x[start] if i != 0] y_predict = lstm_model.predict(test_x[start:end]) label_predict = output_dictionary[np.argmax(y_predict[0])] label_true = output_dictionary[np.argmax(test_y[start:end])] print(''.join(sentence), label_true, label_predict) # 输出预测结果 predict.append(label_predict) label.append(label_true)acc = accuracy_score(predict, label) # 预测准确率 print('模型在测试集上的准确率为: %s.' % acc)

2.4 模型实际应用在模型实际应用的时候，需要导入对应的字符和标签字典，转为相应的编码。

# Import the necessary modules import pickle import numpy as np from keras.models import load_model from keras.preprocessing.sequence import pad_sequences # 导入字典 with open('word_dict.pk', 'rb') as f: word_dictionary = pickle.load(f) with open('label_dict.pk', 'rb') as f: output_dictionary = pickle.load(f) try: # 数据预处理 input_shape = 180 sent = "很满意，电视非常好。护眼模式，很好，也很清晰。" x = [[word_dictionary[word] for word in sent]] print('--------x转为编码--------') x = pad_sequences(maxlen=input_shape, sequences=x, padding='post', value=https://www.it610.com/article/0) print('--------x填充完成--------')# 载入模型 model_save_path = './corpus_model.h5' lstm_model = load_model(model_save_path) # 模型预测 y_predict = lstm_model.predict(x) label_dict = {v: k for k, v in output_dictionary.items()} print('输入语句: %s' % sent) print('情感预测结果: %s' % label_dict[np.argmax(y_predict)]) except KeyError as err: print("您输入的句子有汉字不在词汇表中，请重新输入！") print("不在词汇表中的单词为：%s." % err)

--------x转为编码--------
--------x填充完成--------
输入语句: 很满意，电视非常好。护眼模式，很好，也很清晰。
情感预测结果: 正面

2.5 完整代码统计出数据集中的情感分布以及评论句子长度分布
data_print.py

import pandas as pd import matplotlib.pyplot as plt from matplotlib import font_manager from itertools import accumulate #设置matplotlib绘图时的字体 my_font = font_manager.FontProperties(fname='C:\Windows\Fonts\simfang.ttf') #统计句子长度及出现次数的频数 df = pd.read_csv('./data_single.csv') print(df.groupby('label')['label'].count()) df['length'] = df['evaluation'].apply(lambda x: len(x)) # print(df) len_df = df.groupby('length').count() sent_length = len_df.index.tolist() sent_freq = len_df['evaluation'].tolist() #绘制句子长度及出现频数统计图 plt.bar(sent_length, sent_freq) plt.title("句子长度及出现频数统计图", fontproperties=my_font) plt.xlabel("句子长度", fontproperties=my_font) plt.ylabel("句子长度出现的频数", fontproperties=my_font) plt.savefig("./句子长度及出现频数统计图.png") plt.close() #绘制句子长度累计分布函数（CDF） sent_pentage_list = [(count / sum(sent_freq)) for count in accumulate(sent_freq)] # 绘制CDF plt.plot(sent_length, sent_pentage_list) #寻找分位点为quantile的句子长度 quantile = 0.91 # print(list(sent_pentage_list)) for length, per in zip(sent_length, sent_pentage_list): if round(per, 2) == quantile: index = length break print('\n分位点为%s的句子长度：%d' % (quantile, index)) # 绘制句子长度累积分布函数图 plt.plot(sent_length, sent_pentage_list) plt.hlines(quantile, 0, index, colors="c", linestyles="dashed") plt.vlines(index, 0, quantile, colors="c", linestyles="dashed") plt.text(0, quantile, str(quantile)) plt.text(index, 0, str(index)) plt.title("句子长度累积分布函数图", fontproperties=my_font) plt.xlabel("句子长度", fontproperties=my_font) plt.ylabel("句子长度累积频率", fontproperties=my_font) plt.savefig("./句子长度累积分布函数图.png") plt.close()

import pickle import numpy as np import pandas as pd from keras.utils import np_utils, plot_model from keras.models import Sequential from keras.preprocessing.sequence import pad_sequences from keras.layers import LSTM, Dense, Embedding, Dropout from sklearn.model_selection import train_test_split from sklearn.metrics import accuracy_score # 导入数据 # 文件的数据中，特征为evaluation, 类别为label. def load_data(filepath, input_shape=20): df = pd.read_csv(filepath) # 标签及词汇表 labels, vocabulary = list(df['label'].unique()), list(df['evaluation'].unique()) # print(len(labels)) # print(len(vocabulary)) # 构造字符级别的特征 string = '' for word in vocabulary: string += word # print(string) vocabulary = set(string) # print(vocabulary) # 字典列表 word_dictionary = {word: i + 1 for i, word in enumerate(vocabulary)} with open('word_dict.pk', 'wb') as f: pickle.dump(word_dictionary, f) inverse_word_dictionary = {i + 1: word for i, word in enumerate(vocabulary)} label_dictionary = {label: i for i, label in enumerate(labels)} with open('label_dict.pk', 'wb') as f: pickle.dump(label_dictionary, f) output_dictionary = {i: labels for i, labels in enumerate(labels)} vocab_size = len(word_dictionary.keys())# 词汇表大小 label_size = len(label_dictionary.keys())# 标签类别数量 # print(vocab_size, labels) # 序列填充，按input_shape填充，长度不足的按0补充 x = [[word_dictionary[word] for word in sent] for sent in df['evaluation']] x = pad_sequences(maxlen=input_shape, sequences=x, padding='post', value=https://www.it610.com/article/0) y = [[label_dictionary[sent]] for sent in df['label']] y = [np_utils.to_categorical(label, num_classes=label_size) for label in y] y = np.array([list(_[0]) for _ in y]) return x, y, output_dictionary, vocab_size, label_size, inverse_word_dictionary # 创建深度学习模型， Embedding + LSTM + Softmax. def create_LSTM(n_units, input_shape, output_dim, filepath): x, y, output_dictionary, vocab_size, label_size, inverse_word_dictionary = load_data(filepath) model = Sequential() model.add(Embedding(input_dim=vocab_size + 1, output_dim=output_dim, input_length=input_shape, mask_zero=True)) model.add(LSTM(n_units, input_shape=(x.shape[0], x.shape[1]))) model.add(Dropout(0.2)) model.add(Dense(label_size, activation='softmax')) model.compile(loss='categorical_crossentropy', optimizer='adam', metrics=['accuracy']) plot_model(model, to_file='./model_lstm.png', show_shapes=True) model.summary() return model # 模型训练 def model_train(input_shape, filepath, model_save_path): # 将数据集分为训练集和测试集，占比为9:1 # input_shape = 100 x, y, output_dictionary, vocab_size, label_size, inverse_word_dictionary = load_data(filepath, input_shape) train_x, test_x, train_y, test_y = train_test_split(x, y, test_size=0.1, random_state=42) # 模型输入参数，需要自己根据需要调整 n_units = 100 batch_size = 32 epochs = 5 output_dim = 20 # 模型训练 lstm_model = create_LSTM(n_units, input_shape, output_dim, filepath) lstm_model.fit(train_x, train_y, epochs=epochs, batch_size=batch_size, verbose=1) # 模型保存 lstm_model.save(model_save_path) N = test_x.shape[0]# 测试的条数 predict = [] label = [] for start, end in zip(range(0, N, 1), range(1, N + 1, 1)): sentence = [inverse_word_dictionary[i] for i in test_x[start] if i != 0] y_predict = lstm_model.predict(test_x[start:end]) label_predict = output_dictionary[np.argmax(y_predict[0])] label_true = output_dictionary[np.argmax(test_y[start:end])] print(''.join(sentence), label_true, label_predict)# 输出预测结果 predict.append(label_predict) label.append(label_true) acc = accuracy_score(predict, label)# 预测准确率 print('模型在测试集上的准确率为: %s.' % acc) if __name__ == '__main__': filepath = './data_single.csv' input_shape = 180 # load_data(filepath, input_shape) model_save_path = './corpus_model.h5' model_train(input_shape, filepath, model_save_path)

模型预测代码

# Import the necessary modules import pickle import numpy as np from keras.models import load_model from keras.preprocessing.sequence import pad_sequences # 导入字典 with open('word_dict.pk', 'rb') as f: word_dictionary = pickle.load(f) with open('label_dict.pk', 'rb') as f: output_dictionary = pickle.load(f) try: # 数据预处理 input_shape = 180 sent = "很满意，电视非常好。护眼模式，很好，也很清晰。" x = [[word_dictionary[word] for word in sent]] x = pad_sequences(maxlen=input_shape, sequences=x, padding='post', value=https://www.it610.com/article/0) # 载入模型 model_save_path ='./corpus_model.h5' lstm_model = load_model(model_save_path) # 模型预测 y_predict = lstm_model.predict(x) label_dict = {v: k for k, v in output_dictionary.items()} print('输入语句: %s' % sent) print('情感预测结果: %s' % label_dict[np.argmax(y_predict)]) except KeyError as err: print("您输入的句子有汉字不在词汇表中，请重新输入！") print("不在词汇表中的单词为：%s." % err)