案例流程

1) 制作詞向量，可以使用gensim這個庫，也可以直接用現成的 2) 詞和ID的映射，常規套路了 3) 構建RNN網絡架構 4) 訓練我們的模型 5) 試試咋樣

導入數據

首先，我們需要去創建詞向量。為了簡單起見，我們使用訓練好的模型來創建。

作為該領域的一個最大玩家，Google 已經幫助我們在大規模數據集上訓練出來了 Word2Vec 模型，包括 1000 億個不同的詞！在這個模型中，谷歌能創建 300 萬個詞向量，每個向量維度為 300。

在理想情況下，我們將使用這些向量來構建模型，但是因為這個單詞向量矩陣相當大（3.6G），我們用另外一個現成的小一些的，該矩陣由 GloVe 進行訓練得到。矩陣將包含 400000 個詞向量，每個向量的維數為 50。

我們將導入兩個不同的數據結構，一個是包含 400000 個單詞的 Python 列表，一個是包含所有單詞向量值得 400000*50 維的嵌入矩陣。

import numpy as np wordsList = np.load('./training_data/wordsList.npy'

總結

以上是生活随笔為你收集整理的使用LSTM进行情感分析的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。