微博情感分类实验

该项目是使用pytorch的基于TexctCNN， 以及双向循环神经网络的文本分类实验：对微博的短博文进行情感二分类。当然， 该项目也可以扩展为多分类问题。

项目的整体结构

├── api.py             用于预测的api程序
├── configs.py         配置文件
├── data               原始数据
├── dataset.py         数据格式转换
├── dictionary         用户自定义词典
├── embeddings         词向量
├── evaluation.py      模型在测试集上测试效果
├── main.py            主程序
├── model              各种文本模型
├── models_storage     模型保存目录
├── train.py           训练相关函数
└── utils.py           工具函数

使用方法

首先先确保安装好所需要的模块（python3.6+)

pip install -r requirements.txt

训练模型

（1） 准备好数据 data目录下准备好训练数据集：train.csv、val.csv(如果要在训练中实时获取validation accuracy的话) 数据要保证有以下字段：data(文本字段)、 label(分类标签， 该例分为0和1， 0代表消极， 1代表积极)。本项目使用的数据来源于这里。
重要提醒： 由于使用torchtext对label进行了tokenize时，会把原始数据当作文本类别， 本例中模型输出的0对应的是积极、1对应的是消极（也就是和原标签的意义相反）

（2） 下载词向量
从网上下载预训练好的词向量， 比如FastText词向量, 你可从该处 下载一个300维的中文词向量， 然后将解压出来的txt词向量文本文件放在embeddings/fasttext/目录下（在配置文件标明相应的词向量地址）

(3) 修改配置文件 如果想用自己的数据， 且数据需要从数据库获取， 则需要修改configs.py文件中的数据库链接参数：db_connection&table_name， 同时需要保证数据表有以下字段：

• data, 文本数据
• label, 分类标签
• flag，值为 'train' 或 'test' 二者之一 同时配置好其他和模型训练相关的参数相应参数。

（4）运行 首先可以运行以下代码查看可用参数及含义：

python main.py --help

以使用双向循环神经网络模型为例， 可以运行以下代码进行训练：

python main.py --compute-val --model-name birnn  --epoches 20 --save-model-dir models_storage/model_brnn.pt

测试模型准确率

在evaluation.py加载好模型,以及读取完测试集数据后， 可以运行：

 python evaluation.py --model-name birnn -lmd models_storage/model_birnn.pt 

模型的评估结果

模型名称	准确率
BiRNN（双向循环神经网络（lstm））	70.4%
TextCNN	71.2%

API调用

python api.py --model-name birnn -lmd models_storage/model_birnn.pt

请求示例

sentence参数输入文本， 可以返回相应的结果（下例是刘烨的推文）