多模型电影短评情感分析

润森

发布于 2022-12-20 20:55:32

4050

发布于 2022-12-20 20:55:32

多模型电影短评情感分析

首先，从传统的特征提取方面对比了BOW、TF-IDF、N-Gram技术，并使用不同的机器学习算法构建了不同的子模型，然后又采用了Stacking模型融合技术对短评情感进行了进一步的探索，最后进阶到深度学习，构建神经网络模型进行文本分类。全文各个模型并不是参数最优，但也有一定的参考价值，因为针对不同的数据集，模型的预测结果都是不尽相同的。言归正传，下面一起来看看电影短评情感分析的结果吧！

者将从以下几个大方向构建电影短评情感分析模型：

基于Bag-Of-Words特征的文本分类模型
基于TF-IDF特征的文本分类模型
基于Stacking模型融合的情感分析
基于深度学习的短评情感分析
基于Bag-Of-Words特征的文本分类模型

笔者首先对短评数据进行了分词，然后算出每个短评的bow特征，并在此基础上训练了LR、MMB、RF、GBDT四个模型，当然各个模型都没有进行很深程度的调优。

数据集说明

data目录里面的数据，只有2万行，

本项目为电影短评情感分析项目，代码文件说明：

code/preprocessing.py]: 预处理文件
code/stacking.py: stacking模型融合项目
code/sentiment_analysis.py: 基于传统的机器学习算法的情感分析模型。
code/dl_sa.py: 基于深度学习的情感分析模型。

模型结果

模型名称	Accuracy	Precision	Recall	F1-Score	AUC
word-level-tfidf-LR	0.872	0.87	0.87	0.87	0.9438
word-level-tfidf-MNB	0.862	0.86	0.86	0.86	0.9394
word-level-tfidf-RF	0.8219	0.82	0.82	0.82	0.8930
word-level-tfidf-GBDT	0.723	0.72	0.72	0.71	0.8183
word-ngram-tfidf-LR	0.8724	0.87	0.87	0.87	0.9439
word-ngram-tfidf-MNB	0.8642	0.86	0.86	0.86	0.9399
word-ngram-tfidf-RF	0.8212	0.82	0.82	0.82	0.8925
word-ngram-tfidf-GBDT	0.7630	0.77	0.76	0.76	0.8588
char-ngram-tfidf-LR	0.8866	0.89	0.89	0.89	0.9552
char-ngram-tfidf-MNB	0.8657	0.87	0.87	0.87	0.9410
char-ngram-tfidf-RF	0.8276	0.83	0.83	0.83	0.9009
char-ngram-tfidf-GBDT	0.7686	0.78	0.77	0.77	0.8613