MSWon / Sentimental-Analysis-ver2

Sentimental Analysis with Naver movie ratings ver2

BiLSTM을 이용한 영화 리뷰 감성분석 ver2

Embedding layer을 통해 임베딩 된 네이버 영화 리뷰 데이터를 BiLSTM을 통해 긍정, 부정을 분류해 주는 프로젝트

1. 모델 구조도

1. 정답이 있는 네이버 영화 리뷰 데이터 15만건(박은정님 제공)에 대해서 품사 태깅

2. 품사 태깅한 단어들에 대해 Embedding layer을 이용해 임베딩 벡터로 변환

3. 단어 벡터들을 BiLSTM에 넣어서 양쪽 끝 state들에 대해서 fully connected layer와 Softmax함수를 이용해 분류

2. 필요한 패키지

• konlpy
• tensorflow >= 1.12.0

3. 데이터

• Training data : 영화 리뷰 데이터 15만건 ratings_train.txt

• Test data : 영화 리뷰 데이터 5만건 ratings_test.txt

4. 학습

1. Git clone

$ git clone https://github.com/MSWon/Sentimental-Analysis-ver2.git

2. Training with user settings

$ python train.py --batch_size 128 --word_dim 512 --hidden_dim 512 --num_layers 2 --training_epochs 5

5. 결과

• Test accuracy : 85.32%
• Doc2Vec, Term-existance Naive Bayes에 의한 성능 보다 뛰어남(박은정)
• test_example.py를 통해 직접 입력한 문장에 성능 확인

Pre-trained 모델 다운로드

$ sh download_model.sh

직접 문장을 입력하여 테스트

$ python test_example.py

문장을 입력하세요: 재밌던데!
긍정입니다

문장을 입력하세요: 진짜 보자마자 잠듬 .. ㅋㅋ
부정입니다

문장을 입력하세요: 배우진 좋고 스토리도 좋았다
긍정입니다

문장을 입력하세요: 애매한 스토리
부정입니다