文件名称：情感分析-火炬：IMDb数据集上的火炬情感分析
文件大小：3.29MB
文件格式：ZIP
更新时间：2024-02-25 01:49:17
python deep-learning sentiment-analysis jupyter-notebook pytorch
使用PyTorch进行情感分析 存储库将引导您完成构建完整的情感分析模型的过程，该模型将能够预测给定评论的极性（无论表达的观点是肯定的还是负面的）。 要在其上训练模型的数据集是流行的IMDb电影评论数据集。 目录 第一个笔记本涵盖了从原始数据集中加载数据，特征提取和分析，文本预处理以及训练/验证/测试集准备的过程。 第二篇教程包含有关如何设置词汇对象的说明，该对象将负责以下任务： 创建数据集的词汇表。 根据稀有词出现和句子长度过滤数据集。 将单词映射到其数字表示形式（word2index）和反向（index2word）。 启用预训练词向量的使用。 此外，我们将构建BatchItera
【文件预览】：
sentiment-analysis-pytorch-master
----7_Transformer.ipynb(114KB)
----.gitattributes(152B)
----6_TextCNN.ipynb(157KB)
----4_biGRU_with_additional_features.ipynb(131KB)
----early_stopping.py(3KB)
----requirements.txt(225B)
----5_biGRU_with_Glove_vectors.ipynb(182KB)
----assets()
--------learning_curves_batch16.png(20KB)
--------learning_curves_hidden32.png(19KB)
--------learning_curves_batch64.png(19KB)
--------Transformer-classifier.png(45KB)
--------learning_curves_droput02.png(19KB)
--------GRU_shema.png(20KB)
--------transformer-block.png(51KB)
--------BiGRU_feat_schema.png(87KB)
--------BiGRU_model_graph.png(209KB)
--------MaxpoolSample2.png(66KB)
--------learning_curves_hidden16.png(19KB)
--------learning_curves_hidden64.png(20KB)
--------learning_curves_nlayers2.png(19KB)
--------BiGRU_schema.png(80KB)
--------learning_curves_mwc3_msl09.png(22KB)
--------learning_curves_hidden8.png(20KB)
--------Dot-product-attention.png(86KB)
--------learning_curves_batch256.png(22KB)
--------learning_curves_droput05.png(21KB)
--------multi-head-attention.png(104KB)
--------learning_curves_batch128.png(19KB)
--------RNN-bidirectional.png(32KB)
--------Trns_lc_TensorBoard.png(88KB)
--------scattertext_visualization.html(3.76MB)
--------learning_curves_spatial_droput.png(21KB)
--------An-example-of-convolution-operation-in-2D-2.png(51KB)
--------TextCNN_schema.png(68KB)
--------BiGRU_glove_schema.png(89KB)
----README.md(6KB)
----2_vocabulary.ipynb(58KB)
----batch_iterator.py(11KB)
----vocabulary.py(16KB)
----3_biGRU.ipynb(206KB)
----1_data_processing.ipynb(1.03MB)