Sentiment-Classification

Bidirectional LSTM을 사용한 네이버 영화 리뷰 데이터 분류

1. 네이버 영화 리뷰 데이터

네이버에서 제공하는 영화 리뷰 데이터를 사용

학습 데이터 15만건과 테스트 데이터 5만건을 사용

데이터는 리뷰의 id, 리뷰 내용, 리뷰의 label(0: 부정, 1: 긍정)로 구성됨

데이터 제공

2. Konlpy의 Okt를 사용해 문장 품사 태깅

Konlpy.Okt의 pos 함수를 사용해 문장들을 품사 태깅함

문장들을 토큰화시킴 (단어/품사)

3. Gensim의 Word2Vec을 사용해 단어 임베딩

모든 학습 데이터 문장들을 토큰화하고 gensim의 word2vec을 사용해 사전을 만든 후에 학습 시킴

4. Tensorflow로 Bidirectional LSTM을 만들어 문장 이진 분류(0 or 1)

5만건의 테스트 데이터에 대해서는 약 83%의 정확도를 기록함

5. 사용법

1. python 라이브러리 설치

   pip install gensim
   pip install tensorflow
   pip install konlpy

2. Word2Vec 학습

   python Word2vec_train.py

3. 모델 학습

   python BiLSTM_train.py

4. 모델 성능 검증

   python BiLSTM_test.py

5. 모델 테스트

   python Test.py