cnn_website_text_classify

使用CNN对网站文本进行分类，基于tensorflow， 具体实现说明参见使用CNN进行网站文本分类

文件结构

/--- |---- data_helper.py : 读取训练数据，包括文本清洗、进行文本句子补齐（sentence padding)等预处理。 |---- word2vec_helpers.py : 进行word2vec向量化，主要借助gensim库，并将训练好的word2vec模型保存在run/目录下。 |---- text_cnn.py : 定义了一个类用来描述网络结构：一个卷积层加一个池化层。 |---- mytrain.py : 训练模型，包括超参数定义、计算图的描述。 |---- eval_helper.py : 读取需要进行预测的真实数据，以及进行数据check。 |---- eval.py : 使用训练好的模型进行预测真实数据。

使用方法

• 训练模型 ：

> python mytrain.py

• 预测真实数据：

python eval.py -checkfile_dir = {your_code_path/runs/checkfile}

## 实验结果
在训练和验证集上表现良好，正确率达95%左右；在真实数据集（无标签）上表现欠佳。