「广州哪里有可靠私人调查公司」CNN情感分析（文本分类）

这篇文章翻译到denny britz的博客。

一、数据预处理

这个情感分析的数据集来自Rotten Tomatoes的电影评论，总共10662个样本，一半正例，一半负例，词汇的数目大约2万个。

任何机器学习能够受到很高的执行，数据预处理都很重要。首先，简单介绍上其数据预处理的过程：

1、从原始文件中载入正例和负例；

2、对数据进行清理；

3、设定最大句子长度是59，不足的补符号；

4、建立一个字典，映射字至0-18765。

简单说明一下，第3步保证输入的段落间距一致，CNN本来是处理图像的，所以，我们要做的象个照片一样，因此要求长度一致。

二、CNN模型设计

这个图终于画的非常6了。

第一层词嵌入，用word2vec把句子映射为128维的向量。第二层是递归层，这个卷积层非常尤其，用了多个过滤器的大小。例如，每次分别划分3，4或5个字词；第三层，池化层，在这里采用的最大池化，并将所有卷积层的结果放到一个长的特点向量上，然后加上dropout正则，最后用softmax输出结果。

下面是代码实现。

为了更好的处理超参数「情感短文章」，我们把代码都放到一个TextCNN类上面：

import tensorflow as tf
import numpy as np
class TextCNN(object):
    """
    A CNN for text classification.
    Uses an embedding layer, followed by a convolutional, max-pooling and softmax layer.
    """
    def __init__(
      self, sequence_length, num_classes, vocab_size,
      embedding_size, filter_sizes, num_filters):
        # Implementation...

sequence_length-句子的长度，59；

num_classes-分类的数目，2；

vocab_size-字典的长度；

embedding_size-我们映射的向量维度大小，128；

filter_sizes-卷积层过滤器的大小，[3, 4, 5]；

num_filters-过滤器的深度。

1、输入

定义输入数据的placeholder和dropout。

# Placeholders for input, output and dropout
self.input_x=tf.placeholder(tf.int32[None,sequence_length], name="input_x")
self.input_y=tf.placeholder(tf.float32[None,num_classes], name="input_y")
self.dropout_keep_prob=tf.placeholder(tf.float32,name="dropout_keep_prob")

tf.placeholder相当于一个坑，等着填呢。第二个参数是tensor的shape，None表示这个维度可以是任意数。在示例中，第一个维度是批数据的大小，用None表示，可以是任意大小的批数据。

2、词嵌入层

with tf.device('/cpu:0'), tf.name_scope("embedding"):
    W = tf.Variable(
        tf.random_uniform([vocab_size, embedding_size], -1.0, 1.0),
        name="W")
    self.embedded_chars = tf.nn.embedding_lookup(W, self.input_x)
    self.embedded_chars_expanded = tf.expand_dims(self.embedded_chars, -1)