【自然语言处理】预测电影影评情感的深度学习词袋模型

翻译自外网：https://machinelearningmastery.com/deep-learning-bag-of-words-model-sentiment-analysis/

教程概述：

1.电影评论集
2.数据准备
3.词包表示法
4.情感分析模型

1.电影评论集

数据集介绍：该数据集是由1000正1000负的IMDB网站的电影评论组成

下载地址：Movie Review Polarity Dataset(review_polarity.tar.gz, 3MB)

2.数据准备

在这一节中，我们将完成3件事：
1、将数据分离成训练和测试集。
2、加载和清除数据
3、定义词库

分离成训练和测试集：我们将使用最后100个正面评论和最后100个负面评论作为测试集（100个评论），剩下的1800个评论作为训练集。即：90%训练集，10%测试集。评论编号000至899是训练数据，评论编号从900起是测试数据。

数据的装载和清理clean_doc()：文本数据已经相当干净，所以不需要太多的准备。我们将使用以下方法准备数据：
1、以空格分割数据
2、从单词中删除所有标点符号
3、删除所有非纯字母组成的单词。
4、删除所有已知的停用词。
5、删除所有长度<= 1的字符。

定义词库：我们可以开发一个词汇表作为计数器，遍历所有评论，将评论中的词汇加入词库中。