# Sentiment-Analysis

**Repository Path**: Gohsl/Sentiment-Analysis

## Basic Information

- **Project Name**: Sentiment-Analysis
- **Description**: Chinese Shopping Reviews sentiment analysis
- **Primary Language**: Python
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2019-05-15
- **Last Updated**: 2020-12-19

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

#环境要求
- Unix/Linux系统
- python 2.7
- python包安装： keras,sklearn,gensim,jieba,h5py,numpy,pandas
```
sudo pip install -r requirements.txt
```
# 用法

## 使用SVM分类器进行情感分类：
```
python predict.py svm 这个手机质量很好，我很喜欢，不错不错

```
```
python predict.py svm 这书的印刷质量的太差了吧，还有缺页，以后再也不买了

```

## 使用LSTM进行情感分类：
```
python predict.py lstm 酒店的环境不错，空间挺大的
```
```
python predict.py lstm 电脑散热太差，偶尔还蓝屏，送货也太慢了吧
```
#程序
- code/Sentiment_lstm.py 使用word2vec和LSTM训练和预测

- code/Sentiment_svm.py  使用word2vec和svm训练和预测
- predict.py  调用Sentiment_lstm.py及Sentiment_svm.py进行预测

#数据
- ./data/ 原始数据文件夹
  - data/neg.xls 负样本原始数据
  - data/pos.xls 正样本原始数据

- ./svm_data/ svm数据文件夹
  - ./svm_data/\*.npy 处理后的训练数据和测试数据
  - ./svm_data/svm_model/ 保存训练好的svm模型
  - ./svm_data/w2v_model/ 保存训练好的word2vec模型


- ./lstm_data/ lstm数据文件夹
  - ./lstm_data/Word2vec_model.pkl 保存训练好的word2vec模型
  - ./lstm_data/lstm.yml  保存训练网络的结构
  - ./lstm_data/lstm.h5  保存网络训练到的权重
  
#详细介绍

[购物评论情感分析的实现](http://buptldy.github.io/2016/07/20/2016-07-20-sentiment%20analysis/)