如何用 Python 和循环神经网络做中文文本分类？

本文为你展示，如何使用 fasttext 词嵌入预训练模型和循环神经网络（RNN）， 在 Keras 深度学习框架上对中文评论信息进行情感分类。

Photo by Hello I’m Nik on Unsplash

疑问

回顾一下，之前咱们讲了很多关于中文文本分类的内容。

你现在应该已经知道如何对 中文文本进行分词 了。

你也已经学习过，如何利用经典的机器学习方法，对分词后的中文文本，做分类。

你还学习过，如何用 词嵌入预训练模型，以向量，而不是一个简单的索引数值，来代表词语，从而让中文词语的表征包含语义级别的信息。

但是，好像还差了点儿什么。

对，基于深度学习的中文文本分类方法，老师是不是忘了讲？

其实没有。

我一直惦记着，把这个重要的知识点，给你详细讲解一下。但是之前这里面一直有一条鸿沟，那就是循环神经网络（Recurrent Neural Network, RNN）。

如果你不知道 RNN 是怎么回事儿，你就很难理解文本作为序列，是如何被深度学习模型来处理的。

好在，我已经为你做了 视频教程，用手绘的方式，给你讲了这一部分。

既然现在这道鸿沟，已被跨越了。本文咱们就来尝试，把之前学过的知识点整合在一起，用 Python 和 Keras 深度学习框架，对中文文本尝试分类。

环境

为了对比的便捷，咱们这次用的，还是《如何用 Python 和机器学习训练中文文本情感分类模型？》一文中采用过的某商户的点评数据。

我把它放在了一个 github repo 中，供你使用。

请点击 这个链接，访问咱们的代码和数据。