RNN实现情感分类

二分类问题：Positive和Negative两类
步骤：
1.加载IMDB数据集
2.加载预训练词向量:预训练词向量是对输入单词的数值化表示，通过nn.Embedding层，采用查表的方式，输入单词对应词表中的index，获得对应的表达向量。
3.数据集预处理
通过加载器加载的IMDB数据集进行了分词处理，但不满足构造训练数据的需要，因此要对其进行额外的预处理。其中包含的预处理如下：通过Vocab将所有的Token处理为index id;将文本序列统一长度，不足的使用补齐，超出的进行截断。
4.模型构建
nn.Embedding层加载Glove词向量；然后使用RNN循环神经网络做特征提取；最后将RNN连接至一个全连接层，即nn.Dense，将特征转化为与分类数量相同的size.
5.预测Positive或Negative的二分类问题，选择nn.BCEWithLogitsLoss(二分类交叉熵损失函数)。
6.训练逻辑

• 读取一个Batch的数据；
• 送入网络，进行正向计算和反向传播，更新权重；
• 返回loss。

7.评估逻辑：

• 读取一个Batch的数据；
• 送入网络，进行正向计算，获得预测结果；
• 计算准确率。

8.模型训练与保存
9.模型加载与测试
自定义输入测试:

• 将输入句子进行分词；
• 使用词表获取对应的index id序列；
• index id序列转为Tensor;
• 送入模型获得预测结果；
• 打印输出预测结果。
  出现jupyter崩溃，清理内存重新运行
  

结果：