奇书网

第四节 文本情绪分析（第6页）

Epoch510

1688416884[==============================]-42s3msstep-loss：0。0955-acc：0。9728-val_loss：0。2901-val_acc：0。9083

Epoch610

1688416884[==============================]-42s2msstep-loss：0。0749-acc：0。9801-val_loss：0。3316-val_acc：0。9078

Epoch710

1688416884[==============================]-43s3msstep-loss：0。0687-acc：0。9814-val_loss：0。3266-val_acc：0。9048

Epoch810

1688416884[==============================]-42s3msstep-loss：0。0493-acc：0。9877-val_loss：0。3791-val_acc：0。9119

Epoch910

1688416884[==============================]-42s2msstep-loss：0。0435-acc：0。9887-val_loss：0。4097-val_acc：0。9083

Epoch1010

1688416884[==============================]-42s2msstep-loss：0。0378-acc：0。9911-val_loss：0。4326-val_acc：0。9029

&e。。。

42214221[==============================]-3s636usstep

Loss：0。43，Accuracy：90。29%

可以看到，训练过程中会显示每个Epoch所花费的时间、损失、精度等信息。经过10个Epoch的训练，识别网络在测试集上的精度超过90%。

需要提醒的是，并不是训练的Epoch越多越好。虽然精度也许会不断提升，但是检验精度也许会下降，这就说明网络在训练集上已经过拟合了，此时应该停止训练。准确率与很多因素有关，调整网络结构、网络参数、增加标注数据、训练更好的词向量等方式都可以有效地提高识别准确率。本教材所使用的模型并未经过仔细调整，读者可以尝试各种调整方式以取得更好的识别效果。

接下来介绍识别模块，代码如下。

#导入需要使用的库并设定参数

importsys

fromkeras。modelsimportload_model

importnumpyasnp

np。random。seed（1337）

fromlstmimportinput_transform

importmultiprog

vocab_dim=100

maxlen=100

&ions=1

n_exposures=10

window_size=10

batch_size=30

n_epoch=10

ih=100

ultiprog。t（）

argvs_length=len（sys。argv）

argvs=sys。argv

&ence表示需要识别情绪的句子，在识别过程中通过读取交互控制台