word2vec+lstm情感分析（三分类）+使用说明
使用方法：
1、修改 ../data/neg(消极）../data/pos(积极）../data/neutral(中立）训练数据 及 ../data/sum(测试数据）（本数据为我上网download数据库，是不同情感方向的评价数据。）
2、运行 ../lstm/lstm_train 并修改 参数列表 （建议只修改代码30-33行）及 （119行代码）x_train, x_test, y_train, y_test = train_test_split(combined, y, test_size=0.2) 此处0.2表示 train_data/test_data=1/5;（修改代码是为了提高lstm模型 accurancy 及 降低loss)
3、运行 ../lstm/lstm_test（该结果将存储在../result/result。xlsx 即为所求）
该模型优点：准确率较高；
缺点：损失函数较高；耗时长;处理大量数据时占用的内存较大
2021-04-17 01:46:09
107.18MB
1
word2vec Skip-Gram模型的简单实现 包括预料库 从维基百科提取出来的 。代码是python3的，可以直接运行。
2021-04-09 20:33:15
31.65MB
1
中文词向量表，包含全部中文的词汇+对应词向量。
使用word2vec训练后，输出中文的全部词向量，存在txt中。
格式为 “词汇 向量”。
资源为百度云链接地址，文件大小为3.44G。
2021-04-07 11:48:35
75B
1
用python动手简易复现了下word2vec中的skip-gram方法，并将嵌入的特征向量与TF-IDF特征和gensim提供的word2vec方法进行了简易对比。
具体内容可参考个人博客。
2021-04-06 16:51:40
35.69MB
1
相似性匹配系统
这个是一个《电商标题数据相似度匹配系统》，使用方法有：tfidf +词袋模型，余弦相似度，word2vec
1.基本方法
1.1结巴分词
1.2 TF-IDF
1.3余弦相似度
1.4 word2vec
2.项目：《电商标题数据相似度匹配系统》
2.1项目原理
2.2项目代码
------------------------------------完------------- --------------------------------------------
更多NLP知识请访问：
我的主页： :
我的博客： :
2021-03-26 15:34:30
7MB
1
使用gensim对维基百科作为预训练语料（约1.6G语料），生成词汇量约13000个词汇，维度为300，文件大小为45.6MB。使用方法，参考博客：https://blog.csdn.net/qq_36426650/article/details/87738919
2021-03-21 12:55:40
45.65MB
1