基于三分类的文本情感分析

1. 背景介绍

文本情感分析作为NLP的常见任务，具有很高的实际应用价值。本文将采用LSTM模型，训练一个能够识别文本postive, neutral, negative三种情感的分类器。

2. LSTM三分类模型

代码需要注意的几点是，第一是，标签需要使用keras.utils.to_categorical来yummy，第二是LSTM二分类的参数设置跟二分有区别，选用softmax，并且loss函数也要改成categorical_crossentropy.

环境依赖

pip install -r requirements.txt

训练

python lstm/lstm_train.py

预测

python lstm/lstm_test.py

3. BiLSTM + Attention

训练

python bilstm-attention/train.py

预测

python bilstm-attention/test.py

4. BiLSTM + Self-Attention

训练

python bilstm-self-attention/train.py

预测

python bilstm-self-attention/test.py

5. BiGRU + Self-Attention

训练

python bigru-self-attention/train.py

预测

python bigru-self-attention/test.py

6. Bert

代码参考自：liuyijiang1994/bert_senta

训练

python bert/train.py

预测

python bert/test.py

部署

1. 转 onnx

python bert/torch2onnx.py

2. onnx 运行

python bert/deploy.py

---

说明

代码和数据来源于：Edward1Chou/SentimentAnalysis，在基础上做了一些改动。

• 环境由 python2 改为 python3
• 加入 EarlyStopping
• 加入 BiLSTM + Attention -> bilstm-attention/train.py
• 加入 Self-Attention
• 加入 BiGRU
• 加入 Bert
• ...