WeiboSentiment

用各种机器学习对中文微博进行情感分析
语料来源： https://github.com/dengxiuqi/weibo2018

"微博情感分析"是我本科的毕业设计, 也是我入门NLP的项目, 就把它发出来供大家交流。

2021.06.07更新: 之前的版本写得比较随意, 没想到star破百了, 私下也有一些刚入门NLP的同学因为这个项目联系我, 就更新一下这个项目吧

• 重构项目架构和代码, 提高可读性
• 每个文件中的特征、数据处理方法与模型细节都尽可能避免重复, 以给各位同学提供更多的参考
• 神经网络结构换成了pytorch, 需要tensorflow 1.0代码的同学请回退至445998版本。
• 新增了Bert模型
• 由于gensim新老版本很多语法不兼容, 将gensim更新为4.0版本

---

项目说明

• 训练集10000条语料, 测试集500条语料
• 使用朴素贝叶斯、SVM、XGBoost、LSTM和Bert, 等多种模型搭建并训练二分类模型
• 前3个模型都采用端到端的训练方法
• LSTM先预训练得到Word2Vec词向量, 在训练神经网络
• Bert使用的是哈工大的预训练模型, 用Bert的[CLS]位输出在一个下游网络上进行finetune。预训练模型需要自行下载:
  • github下载地址: https://github.com/ymcui/Chinese-BERT-wwm
  • baidu网盘: https://pan.baidu.com/s/16z-ybrqT6wLdy_mLHtywSw 密码: djkj
  • 下载后将文件夹放在./model文件夹下, 并将bert_config.json改名为config.json

---

实验结果

各种分类器在测试集上的测试结果

模型	准确率	AUC
1.bayes	0.856	-
2.svm	0.856	-
3.xgboost	0.86	0.904
4.lstm	0.87	0.931
5.bert	0.87	0.929