【文件属性】：
文件名称：Sentiment-Analysis-Chinese-pytorch-master.zip
文件大小：119.64MB
文件格式：ZIP
更新时间：2023-12-24 03:17:34
BI-LSTM attention
本项目使用了word2vec的中文预训练向量
模型分别有BiLSTM-attention和普通的LSTM两种
1、在Config中配置相关参数
2、然后运行DataProcess.py，生成相应的word2id，word2vec等文件
3、运行主函数main.py，得到训练好的模型，并保存模型
4、运行eval.py，读取模型，并得到评价
5、模型准确率平均85%左右
【文件预览】：
Sentiment-Analysis-Chinese-pytorch-master
----Sentiment_model.py(4KB)
----Sentiment_Analysis_DataProcess.py(9KB)
----Sentiment_Analysis_Config.py(1KB)
----test.py(312B)
----word2vec_data()
--------validation.txt(1.55MB)
--------stopwords.txt(1KB)
--------pre.txt(48B)
--------train_data.txt(4.58MB)
--------word_vec.txt(52.05MB)
--------.DS_Store(6KB)
--------test.txt(105KB)
--------wiki_word2vec_50.bin(84.89MB)
--------train.txt(5.49MB)
--------sen_model_best.pkl(12.09MB)
--------word2id.txt(740KB)
--------test_data.txt(86KB)
--------val_data.txt(1.3MB)
----__pycache__()
--------Sentiment_Analysis_DataProcess.cpython-37.pyc(6KB)
--------Sentiment_Analysis_Config.cpython-37.pyc(1011B)
--------Sentiment_model.cpython-37.pyc(3KB)
--------Sentiment_Analysis_eval.cpython-37.pyc(4KB)
----LICENSE(1KB)
----.DS_Store(6KB)
----.idea()
--------Sentiment-Analysis-Chinese-pytorch-master.iml(453B)
--------misc.xml(288B)
--------modules.xml(334B)
--------workspace.xml(24KB)
----.pytest_cache()
--------CACHEDIR.TAG(194B)
--------v()
--------.gitignore(37B)
--------README.md(295B)
----Sentiment_Analysis_main.py(5KB)
----.gitignore(2KB)
----README.md(597B)
----Sentiment_Analysis_eval.py(6KB)