对下载的IMDB数据集中的test和train分别进行预处理从而方便后续模型训练，代码为PreProcess.py。预处理主要包括：大小写转化、特殊字符处理、stopwords过滤、分词，最后将处理后的数据存储为CSV格式，以方便后续调试。借用了nltk的 stopwords 集，用来将像 i, you, is 之类的对分类效果基本没影响但出现频率比较高的词，从训练集中清除。

数据集官网：https://ai.stanford.edu/~amaas/data/sentiment/ 数据集的训练集和测试集各有25000个样本，且正负样本个数相同，均为12500个。 该数据集和官网提供的相比，去除了一些不必要的文件，其他均未改动。

Keras用IMDB数据源(imdb.npz + imdb_word_index.json) from tensorflow.keras.datasets import imdb (train_data, train_labels), (test_data, test_labels) = imdb.load_data(num_words=10000) # word_index is a dictionary mapping words to an integer index word_index = imdb.get_word_index() # We reverse it, mapping integer indices to words reverse_word_index = dict([(value, key) for (key, value) in word_index.items()]) # We decode the review; note that our indices were offset by 3 # because 0, 1 and 2 are reserved indices for "padding", "start of sequence", and "unknown". decoded_review = ' '.join([reverse_word_index.get(i - 3, '?') for i in train_data[0]])

利用python中的深度学习库keras，对IMDB电影数据集建立了神经网络模型进行分析，涉及原始电影数据的词嵌入处理技术，附有完整的Python代码以及注释。

将下载好的imdb.npz文件放在主目录下的 .keras/datasets文件夹下即可（用于tensorflow学习）

imdb数据集：用于文档分类。

语言:English 通过搜索想要的电视节目/电影的IMDB ID来搜索RARBG种子 通过此扩展，您可以按名称TMDB名称搜索RarBG网站，并且将按IMDB ID搜索

IMDB Large Movie Review Dataset 适用于情感二元分类的数据集，旨在作为情绪分类的基准，该数据集中有 50,000 条两极分化明显的电影评论拥有训练和测试，还有 50,000 条未经标记的数据可供使用。 该数据集由斯坦福大学于 2011 年发布，相关论文有《Learning Word Vectors for Sentiment Analysis》。

IMDB数据集 IMDB数据集

电影资讯网站 使用 imdb api 获取电影详细信息