主要函数：
1.corpusprocess原始语料处理函数
2.train_word2vec生成word2vec向量
3.generate_id2wec获得索引的w2id,和嵌入权重embedding_weights
4.prepare_data 数据预处理

完整代码下载地址：python本科毕业设计基于神经网络的虚假评论识别系统源码
代码流程：
训练过程：
1.train_word2vec生成word2vec词向量模型，train_word2vec中会调用corpusprocess（对中文文本进行预处理和切词操作）
2.generate_id2wec会根据此向量模型，生成w2id,和嵌入权重embedding_weights
3.prepare_data根据w2id，划分训练集x_train, y_trian和验证集 x_val , y_val
4.w2id和embedding_weights根据定义LSTM模型Senti
5.调用train()方法训练，保存算法模型。

预测过程：
1.加载已经生成word2vec模型
2.generate_id2wec会根据此向量模型，生成w2id,和嵌入权重embedding_weights
3.定义 Sentiment，设置参数
4.加载训练好的LSTM模型
5.调用predict方法预测结果

基于神经网络的虚假评论识别系统
备注：
数据处理时，应该以utf-8编码，不然读出来的数据较乱，修改数据形式，读取Excel文件，以utf-8编码
打乱数据集使得最后的结果更加合理
添加测试集验证模型
测试集：训练集=2:8
在训练集的过程中添加验证集，比例为1:9
最后的下面如下图所示。

数据比例：

模型结构：

模型指标：

建议：
词向量的维度太大，句子太短，导致句子向量比较稀疏，可以修改句子维度大小；
同时可以修改代码生成训练过程中的acc和loss折线图，类似下面的loss图（80块钱优化上述建议代码）