这里部署工程级别的项目

关键词:

每次测试的结果将写入result.csv

至少包含 [sent, target] data.csv

python preprocess.py

生成[sent,sent_chars,sent_words,target]

data_train.csv data_test.csv

python FilterRules.py

（这将会增加一列['isFilter']，默认为None若被过滤则显示违反的规则，如_islen）

• 使用探索模式（评估过滤器效果），则在__main__中将filtering函数注释，并去掉exploring的注释
• 如需更改过滤器的规则，则更改toFilter函数

python FilterRules.py -task exploring

探索模式将会评估当前规则的准确率

python LangModelMgr.py

python LangModelMgr.py -n 2 -dtype words -dsource std -dname weibo

python FeatureEngr.py

data_train_feat.csv data_test_feat.csv

python Visualization.py

生成关于特征和标签之间的 皮尔森相关系数热力图

python Visualization.py -plot len l3_neg_ppl

python FeatureEngr.py -del len 

python DiscriminantModel.py

/Model *.model文件

python ToVectorMgr.py

data_train_chars_d2v.vec data_test__chars_d2v.vec

• 这里默认使用文档级的 Doc2Vec
• 文档级别的Word2Vec （尚未实现）
• 词表级别的WordList2Vec （尚未实现）

python GenerativeModel.py

• 默认使用SVM模型，可选LR或MLP

python DeepNet.py

• 默认使用fasttext

python DeepNet.py -net textcnn

python Ensenmble.py