svm和lstm用于文本分类

自己写的一些文本分类的代码

from gensim.models import word2vec
import logging

# 生成word2vec模型
logging.basicConfig（format=‘%（asctime）s:%（levelname）s: %（message）s‘ level=logging.INFO）
sentences = word2vec.Text8Corpus（u“F:\\data\\jieba_data.txt“）  # 加载语料
model = word2vec.Word2Vec（sentences size=50min_count=3）  # 训练skip-gram模型，默认window=5
print（model）

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----

     文件       1926  2017-04-11 18:31  tf_pre_txt.py

     文件       3812  2017-04-17 20:06  tfidf.py

     文件       6077  2017-04-18 20:13  word_to_text_vec_for_lstm.py

     文件        674  2017-04-28 13:24  说明.txt

     文件      64242  2016-12-22 02:59  libsvm\svm.java

     文件      63439  2016-12-22 02:58  libsvm\svm.m4

     文件        868  2016-12-22 02:58  libsvm\svm_model.java

     文件        115  2016-12-22 02:58  libsvm\svm_node.java

     文件       1781  2017-03-13 16:35  libsvm\svm_parameter.java

     文件         87  2016-12-22 02:58  libsvm\svm_print_interface.java

     文件        136  2016-12-22 02:58  libsvm\svm_problem.java

     文件       6137  2017-04-20 15:32  service\svm_predict.java

     文件       8962  2017-03-13 15:38  service\svm_scale.java

     文件      12287  2017-03-13 15:38  service\svm_toy.java

     文件       8373  2017-03-13 15:38  service\svm_train.java

     文件        961  2017-04-28 13:20  service\testSvm.java

     文件        364  2017-04-28 13:12  createModel.py

     文件       3730  2017-04-21 15:04  fenci.py

     文件       6398  2017-04-22 23:47  lstm50.py

     文件       8256  2017-04-23 00:25  lstm2500.py

     文件       1337  2017-04-18 16:59  readDir.py

     文件       1417  2017-04-22 23:45  setTxtVec.py

     文件       2606  2017-04-23 00:07  setTxtVec2500.py

     文件        479  2017-04-11 20:06  testModel.py

     文件       8637  2017-04-21 16:12  tf_CNNS.py

     目录          0  2017-04-28 13:16  libsvm

     目录          0  2017-04-28 13:16  service

----------- ---------  ---------- -----  ----

               213101                    27



............此处省略0个文件信息