2018年10月15日笔记
tensorflow是谷歌google的深度学习框架，tensor中文叫做张量，flow叫做流。
CNN是convolutional neural network的简称，中文叫做卷积神经网络。
文本分类是NLP（自然语言处理）的经典任务。
0.编程环境
操作系统：Win10
python版本：3.6
集成开发环境：jupyter notebook
tensorflow版本：1.6
1.致谢声明
本文是作者学习《使用卷积神经网络以及循环神经网络进行中文文本分类》的成果，感激前辈；
github链接：https://github.com/gaussic/text-classification-cnn-rnn
2.配置环境
使用卷积神经网络模型要求有较高的机器配置，如果使用CPU版tensorflow会花费大量时间。
读者在有nvidia显卡的情况下，安装GPU版tensorflow会提高计算速度50倍。
安装教程链接：https://blog.csdn.net/qq_36556893/article/details/79433298
如果没有nvidia显卡，但有visa信用卡，请阅读我的另一篇文章《在谷歌云服务器上搭建深度学习平台》，链接：https://www.jianshu.com/p/893d622d1b5a
3.下载数据
数据集下载链接: https://pan.baidu.com/s/1nvfAWk2Wg1F4xZd2qkq5yA 提取码: 86bh
数据集总共大小71kB，文件夹结构如下图所示：
1.
data文件夹是原始数据，其中有4个csv文件，分别代表4个分类；2.
cnn_package.py文件是代码文件，可以通过python cnn_package.py命令运行；3.
cnn_test.ipynb文件是可以分步运行的代码文件，可以通过jupyter notebook打开服务后访问；4.
shortTextClassification.ipynb文件是做数据处理的代码文件，将data中的数据转换为之后的4个pickle文件和1个词汇表文件；5.
test_content_list.pickle文件是测试集内容列表文件；6.
test_label_list.pickle文件是测试集标签列表文件；7.
train_content_list.pickle文件是训练集内容列表文件；8.
train_label_list.pickle文件是训练集标签列表文件；9.
vocabulary.txt文件是词汇表文件；10.
报警信息短文本分类.zip文件是前面10个文件的压缩结果。基于当前文件夹打开cmd，在其中输入命令并运行：
python cnn_package.py运行结果如下图所示，上方红框表示100次迭代训练过程，下方红框表示混淆矩阵和报告表：
4.完整代码
完整代码已经在数据集文件中给出，即cnn_test.ipynb文件和cnn_package.py文件；
shortTextClassification.ipynb文件中代码的作用是将文本文件转换为二进制文件，即4个pickle文件；
cnn_test.ipynb文件中有作者整理好的代码，思路清晰，易于理解；
从工程开发的角度考虑，本文作者在cnn_package.py文件中封装了一个类TextClassification，对于样本数量在10万左右的分类任务较为适用。
5.推荐阅读
因为本文作者写了类似的文章，并且比本片文章的样本数量更多，难度更大。
1.理解cnn_test.ipynb文件推荐阅读《基于tensorflow+CNN的新浪新闻文本分类》，链接：https://www.jianshu.com/p/b1000d5345bb
2.理解cnn_package.py文件推荐阅读《基于tensorflow+CNN的垃圾邮件文本分类》，链接：https://www.jianshu.com/p/f3ca7c75401b
6.总结
1.本文是作者第9个NLP小型项目，数据共有1712条。
2.本文是一个简单的例子，容易进行上手和实践，本文作者通过本文中代码的练习，完成了类的封装。
