记录一次文本挖掘 情感分析的项目过程_情感分析项目的项目经历怎么写

一、构建语料库

1. 确定数据源，并利用python爬取数据，注意清洗无效数据
2. 建立标签系统，作为标注依据
   本次采用的是BIO 标签系统：
   B代表Begin，表示开始；
   I代表Intermediate，表示中间；
   O代表Other，表示其他，用于标记无关字符。
   同时，采用E和A分别代表实体和属性，用户最为关注的属性用"A+?“来表示，例如位置就是"AL”。
   为了随后的情感分析，还可将正面情感和负面情感划分为B-P和B-N。
3. 标注
4. 质量检查（reviews_check.py)
   由于在标注过程中会出现格式上的错误，例如多了空格，多了斜杠/，或是没有标标签系统中的既定标签，不区分大小写等情况。因此，需要一个格式检查程序来进行检查。
   这里的质量检查不包括内容，仅包括格式上的。

二、建立模型

• 语料预处理

• 生成词语、词性、标签三者的对应数据表

• 建立三类词典

• word2vec创建词向量

• 词向量：通俗理解就是将词语转化成为机器可读的数据格式。
  例如，“今天天气很好”这句话转化为词向量就分别为[1,0,0,0,0,0][0,1,0,0,0,0][0,0,1,0,0,0][0,0,0,1,0,0][0,0,0,0,1,0][0,0,0,0,0,1]，这种编码被称