戒酒的李白
108 lines
2.8 KiB
Markdown
108 lines
2.8 KiB
Markdown
# 微博情感分析 - 传统机器学习方法
|
||
|
||
## 项目介绍
|
||
|
||
本项目使用5种传统机器学习方法对中文微博进行情感二分类（正面/负面）：
|
||
|
||
- **朴素贝叶斯**: 基于词袋模型的概率分类
|
||
- **SVM**: 基于TF-IDF特征的支持向量机
|
||
- **XGBoost**: 梯度提升决策树
|
||
- **LSTM**: 循环神经网络 + Word2Vec词向量
|
||
- **BERT+分类头**: 预训练语言模型接分类器（我认为也属于传统ML范畴）
|
||
|
||
## 模型性能
|
||
|
||
在微博情感数据集上的表现（训练集10000条，测试集500条）：
|
||
|
||
| 模型 | 准确率 | AUC | 特点 |
|
||
|------|--------|-----|------|
|
||
| 朴素贝叶斯 | 85.6% | - | 速度快，内存占用小 |
|
||
| SVM | 85.6% | - | 泛化能力好 |
|
||
| XGBoost | 86.0% | 90.4% | 性能稳定，支持特征重要性 |
|
||
| LSTM | 87.0% | 93.1% | 理解序列信息和上下文 |
|
||
| BERT+分类头 | 87.0% | 92.9% | 强大的语义理解能力 |
|
||
|
||
## 环境配置
|
||
|
||
```bash
|
||
pip install -r requirements.txt
|
||
```
|
||
|
||
数据文件结构：
|
||
```
|
||
data/
|
||
├── weibo2018/
|
||
│ ├── train.txt
|
||
│ └── test.txt
|
||
└── stopwords.txt
|
||
```
|
||
|
||
## 训练模型（后面可以不接参数直接运行）
|
||
|
||
### 朴素贝叶斯
|
||
```bash
|
||
python bayes_train.py
|
||
```
|
||
|
||
### SVM
|
||
```bash
|
||
python svm_train.py --kernel rbf --C 1.0
|
||
```
|
||
|
||
### XGBoost
|
||
```bash
|
||
python xgboost_train.py --max_depth 6 --eta 0.3 --num_boost_round 200
|
||
```
|
||
|
||
### LSTM
|
||
```bash
|
||
python lstm_train.py --epochs 5 --batch_size 100 --hidden_size 64
|
||
```
|
||
|
||
### BERT
|
||
```bash
|
||
python bert_train.py --epochs 10 --batch_size 100 --learning_rate 1e-3
|
||
```
|
||
|
||
注：BERT模型会自动下载中文预训练模型（bert-base-chinese）
|
||
|
||
## 使用预测
|
||
|
||
### 交互式预测（推荐）
|
||
```bash
|
||
python predict.py
|
||
```
|
||
|
||
### 命令行预测
|
||
```bash
|
||
# 单模型预测
|
||
python predict.py --model_type bert --text "今天天气真好，心情很棒"
|
||
|
||
# 多模型集成预测
|
||
python predict.py --ensemble --text "这部电影太无聊了"
|
||
```
|
||
|
||
## 文件结构
|
||
|
||
```
|
||
WeiboSentiment_MachineLearning/
|
||
├── bayes_train.py # 朴素贝叶斯训练
|
||
├── svm_train.py # SVM训练
|
||
├── xgboost_train.py # XGBoost训练
|
||
├── lstm_train.py # LSTM训练
|
||
├── bert_train.py # BERT训练
|
||
├── predict.py # 统一预测程序
|
||
├── base_model.py # 基础模型类
|
||
├── utils.py # 工具函数
|
||
├── requirements.txt # 依赖包
|
||
├── model/ # 模型保存目录
|
||
└── data/ # 数据目录
|
||
```
|
||
|
||
## 注意事项
|
||
|
||
1. **BERT模型**首次运行会自动下载预训练模型（约400MB）
|
||
2. **LSTM模型**训练时间较长，建议使用GPU
|
||
3. **模型保存**在 `model/` 目录下，确保有足够磁盘空间
|
||
4. **内存需求**BERT > LSTM > XGBoost > SVM > 朴素贝叶斯
|