PyTorch系列教程：基于LSTM构建情感分析模型

news2025/3/16 23:59:57

情感分析是一种强大的自然语言处理（NLP）技术，用于确定文本背后的情绪基调。它常用于理解客户对产品或服务的意见和反馈。本文将介绍如何使用PyTorch和长短期记忆网络（LSTMs）创建一个情感分析管道，LSTMs在处理序列数据方面非常有效。

环境准备

在深入实现之前，确保你已经安装了PyTorch和NLTK，一个流行的NLP库。可以通过执行以下命令来安装：

pip install torch nltk

在这里插入图片描述

准备数据集

我们将使用IMDb数据集，这是情感分析的一个著名基准。要加载和预处理此数据，请运行以下脚本：

import nltk
from nltk.corpus import imdb

def download_data():
    nltk.download('imdb')
    data = imdb.load(args['--data_path'])
    return data

dataset = download_data()

数据预处理

文本预处理涉及清理和准备文本以供建模。以下函数将句子分词，转换为小写，并移除标点符号。

import re
from nltk.tokenize import word_tokenize

def preprocess_text(sentence):
    sentence = re.sub(r"[^a-z ]", '', sentence.lower()) # 移除标点符号
    tokens = word_tokenize(sentence)
    return tokens

processed_data = [preprocess_text(review) for review in dataset]

词汇表和编码

神经网络需要数值输入，因此我们必须将单词转换为索引。我们创建一个词汇表，并将每个单词映射到一个整数。

from collections import Counter

vocabulary = Counter()
for review in processed_data:
    vocabulary.update(review)

word2idx = {word: idx for idx, (word, _) in enumerate(vocabulary.items())}
encoded_reviews = [[word2idx[word] for word in review] for review in processed_data]

构建LSTM模型

数据准备就绪后，让我们在PyTorch中构建我们的LSTM模型。我们将定义一个简单的架构来执行情感分析任务。

import torch
import torch.nn as nn

class SentimentLSTM(nn.Module):
    def __init__(self, vocab_size, embed_size, hidden_size, output_size):
        super(SentimentLSTM, self).__init__()
        self.embedding = nn.Embedding(vocab_size, embed_size)
        self.lstm = nn.LSTM(embed_size, hidden_size, batch_first=True)
        self.fc = nn.Linear(hidden_size, output_size)

    def forward(self, x):
        x = self.embedding(x)
        lstm_out, _ = self.lstm(x)
        final_hidden = lstm_out[:, -1]
        out = self.fc(final_hidden)
        return out

训练模型

要训练模型，指定损失函数和优化器。我们将使用CrossEntropyLoss和Adam优化器。

def train_model(model, train_loader, criterion, optimizer, num_epochs):
    model.train()
    for epoch in range(num_epochs):
        for reviews, labels in train_loader:
            optimizer.zero_grad()
            outputs = model(reviews)
            loss = criterion(outputs, labels)
            loss.backward()
            optimizer.step()

评估和可视化结果

训练完成后，在测试集上评估模型以确定其性能，并可视化输出。

def evaluate_model(model, test_loader):
    model.eval()
    correct_count = 0
    with torch.no_grad():
        for reviews, labels in test_loader:
            outputs = model(reviews)
            _, predicted = torch.max(outputs, 1)
            correct_count += (predicted == labels).sum().item()
    accuracy = correct_count / len(test_loader.dataset)
    return accuracy

test_accuracy = evaluate_model(lstm_model, test_loader)
print(f'Test Accuracy: {test_accuracy:.2f}%')