奇书网

第四节 文本情绪分析（第2页）

n_epoch=10

ih=100

ultiprog。t（）

#并行cpu的数量可设置为cpu核心数

#定义加载训练文件并对数据格式进行处理的函数，以备使用

defloadfile（）：

pos=pd。read_excel（'pos。xls'，header=None，index=None）

neg=pd。read_excel（'neg。xls'，header=None，index=None）

bined=e（（pos[0]，neg[0]））

y=e（（ype=int），

np。zeros（leype=int）））

&urnbined，y

#定义函数，对句子进行分词，并去掉换行符

&oke）：

&=[jieba。lent。replace（'n'，''））fordot

&]

&

#创建词典，并返回每个词语的索引、词向量以及每个句子所对应的词语索引

&e_diodel=None，

bined=None）：

if（biNone）aNone）：

}bl

&=Diary（）

&。doodel。wv。vocab。keys（），allo>

&rue）

#所有频数超过10的词语的索引

w2indx={v：k+1fensim_dict。items（）}

#所有频数超过10的词语的词向量

w2veodel[word]forwordinw2indx。keys（）}

defparse_dataset（bined）：

data=[]

forsentenbined：

&=[]

forwordience：

try：

&。append（w2indx[word]）

&：