如何用50行代码构建情感分类器

2018-06-15    来源:

容器云强势上线!快速搭建集群,上万Linux镜像随意使用
本文介绍了如何构建情感分类器,从介绍自然语言处理开始,一步一步讲述构建过程。

自然语言处理简介

语言把人类联系在一起。语言是一种工具,它既可以让我们把想法和感受传达给另一个人,也能让我们理解别人的想法和感受。我们大多数人从 1 岁半到 2 岁开始说话。人脑是如何在如此年幼的时候掌握如此大量知识的,这仍是未解之谜。但是,人们已经发现大部分语言处理功能发生在大脑皮层内。

情感分析背后的动机

人类自己无法理解语言是如何被大脑处理的。那么,我们能教一台机器学习我们的语言吗?通过广泛研究,人们已经开发了许多方法来帮助机器理解语言。自然语言处理(NLP)是研究人类语言与计算机交互的领域。自然语言处理的一个子问题是情感分析,即把一个语句分类为积极或消极。把语句分类为积极或消极有什么用呢?以亚马逊网站为例。在亚马逊上,用户可以对一个产品发表评论,说明它是好是坏,甚至可以是中性的。然而,使用人工阅读所有评论并获得客户对产品的总体反馈既昂贵又耗时。再说说我们的机器学习模型。机器学习模型可以通过大量数据进行推断,对评论进行分类。利用这种机器学习模型,亚马逊可以通过客户评论改进其产品,从而为公司带来更多收入。

情感分析并不像看起来那么简单。如果你认为含有「好的」、「很棒」等词的评论可归为积极评论,而含有「坏的」、「苦恼的」等词的评论可归为消极评论,那你需要三思。例如,「完全没有好味道」和「一份好的快餐,但没有什么特别的」分别代表消极和中立的反馈,即使都有「好」字。因此,这项任务可能没有看起来那么简单。接下来让我们看看即将使用的数据。

数据集

我们将使用亚马逊产品评论、IMDB 电影评论和 Yelp 评论来构建情感分析模型。

数据下载链接:https://www.kaggle.com/marklvl/sentiment-labelled-sentences-data-set/data

所有数据都已经过注释,0 表示消极反馈,1 表示积极反馈。亚马逊的数据与下图相似。

 

 

代码

我们可以写一些代码:

 

 

数据存储于不同的文本文件中。我们打开每个文件并阅读所有的文本行,文本行还包括每个文本的标签。然后我们将其存储在一个名为「lines」的列表中。

 

数据集的每一行都包含文本,文本后是四个字符空间,还有该文本的标签(0 或 1)。因此,我们先将包含文本的第一部分添加到 features(x) 中,然后获取标签,标签的末尾有「\n」。所以标签被移除,然后添加到我们的标签列表 labels(y)。

 

 

 

Keras 有一个内置的 API,使得准备计算文本变得更容易。tokenizer 类共有 4 个属性,可用于特征准备。请看下面的示例,了解 tokenizer 的实际功能。

 

 

tokenizer 为句子中的每个单词分配索引值,并且可以使用该索引值表示新句子。由于我们使用的文本语料库包含大量不同的单词,因此我们设置了一个上限,只使用最经常出现的 2500 个单词。

 

 

现在,我们将文本转换为如上所示的数字序列,并填充数字序列。因为句子可以有不同的长度,它们的序列长度也会不同。因此,pad_sequences 会找出最长的句子,并用 0 填充其他较短语句以匹配该长度。

 

 

我们将标签转换为 one hot 编码,这有助于 LSTM 网络预测文本的标签。现在,我们已经准备好了文本数据,可以把它分为训练样本和测试样本。将 80% 的数据用于训练,20% 的数据用于测试模型。

 

 

我们现在建立了模型,并对其进行编译、训练和测试。该模型具有嵌入层。输入序列是文本的稀疏表征,因为词汇表巨大,并且给定单词将由大向量表示。如果我们能够构建序列的某种密集表征,那么网络将更容易进行预测。2500 个单词的词嵌入/密集表征是通过嵌入层对模型进行训练获得的。然后,我们将 LSTM 和密集层添加到模型中。LSTM 单元负责进行上下文推断,并帮助预测句子是否积极。密集层输出每个类的概率。本文不详细介绍 LSTM,若想了解其更多信息,请参阅此博客:http://colah.github.io/posts/2015-08-Understanding-LSTMs/。

输出

 

 

训练

 

 

测试

完成!你刚刚用 50 行代码构建了一个情感分类器~

原文链接:https://towardsdatascience.com/sentiment-analysis-through-lstms-3d6f9506805c

标签: https 代码  数据 网络

版权申明:本站文章部分自网络,如有侵权,请联系:west999com@outlook.com
特别注意:本站所有转载文章言论不代表本站观点!
本站所提供的图片等素材,版权归原作者所有,如需使用,请与原作者联系。

上一篇:备好数据后,数据科学家还要做什么?

下一篇:企业邮箱谁与争锋,西部数码6折嗨购、京东卡火爆赠送中