最近在网上看到一篇很不错的文本情感分类的教程，内容详细，而且有可执行的代码和数据，非常适合学习。教程传送门：
原作者从网上搜集了一些客户购物的评价信息（大概2万多条数据），然后分成两类标签：正面的情感（用1表示）和负面的情感（用0表示）。此外，原作者作者还用Keras编写了3种情感分类模型，并做了相互对比分析。
我跑了一下相关的代码，结果遇到了性能问题。程序跑了17分钟，还在做2万多条数据的预处理，性能很糟糕。修改程序，做了一些跟踪，终于发现了造成性能差的代码。
def doc2num(s, maxlen): s = [i for i in s if i in abc.index] s = s[:maxlen] return list(abc[s])
这段函数把一条用户评价信息转成对应的词编号，每次执行大概0.2秒左右，2万多条数据处理完需要4000多秒，也就是66分钟以上。性能糟糕的原因是这句：
if i in abc.index
其中，i是一串文字，abc.index是一大串文字。因为abc.index不是字典dict类型，所以，使用in去比较会非常的慢。加速性能的办法，就是为abc.index另外创建一个字典dict类型对象words_dict。然后使用这个字典dict类型对象words_dict进行对比。对应python2，代码改成
[i for i in s if words_dict.has_key(i)]
对应python3，代码改成
[i for i in s if i in words_dict]
这样处理过后，原来要4000多秒的数据预处理过程，只要60秒左右就完成了。
运行后面的代码，都很顺利。
对于word embedding模型，我尝试修改了模型中的Dense属性，给这里增加了L2正则化。
model.add(Dense(1, kernel_regularizer=regularizers.l2(0.01)))
训练的结果很不错。训练准确率：99.44%，测试准确率90.33%。比原作者的结果要略高些。
最后，我编了一些数据去测试训练生成的模型。下面是客户评价信息和预测的情感分类(1代表正情感，0代表负面情感)
---------------------------------------------------------------------------------------------------------------
东东不重，一个人就拉回家了，找人来安装，费用也不高，热水器很精致，哈哈，物有所值，很满意，当晚就使用上了。 好评，全5分。
情感分类：1买完降价了，店家服务还不错，但安装售后太黑了安装费竟然漫天要价，一开口要378，我不肯买单，打了400的服务电话投诉后降价到260，真心黑，太恶心了。
情感分类：0服务很差。再不买XX的东西了。卖家服务还不错。
情感分类：1服务很差。再不买XX的东西了。
情感分类：0客服骗人 不是恒温又说是恒温 噪音大 燃气的味道浓 10号开始使用 17号马上没有热水出 差差差差
情感分类：0-------------------------------------------------------------------------------------------------------------
看看分类结果, 还是不太准确， 还有很多改进的空间。以后有时间继续改进。