简介：这份资源是Python基于LSTM三分类的文本情感分析完整项目，面向计算机相关专业正在做课程设计、期末大作业的学生，以及需要项目实战练习的学习者。项目将文本情感划分为三类，采用LSTM网络建模，配套文档说明，代码完整可运行，适合作为高分课程设计参考。压缩包共13个文件，约11.63MB，包含3个csv情感语料、3个py训练与测试脚本、2个ipynb实验笔记、1个pkl词向量模型、1个h5训练权重、1个yml配置、1个txt依赖清单及md说明文档，覆盖数据预处理、词向量加载、模型训练与评估全流程。目前已有307人学习下载。读者可据此掌握从语料读取、Word2vec特征构建到LSTM三分类建模的完整方案，理解训练脚本与测试脚本的分工，并借助配置文件和权重文件快速复现实验结果，为后续文本分类任务提供可迁移的工程模板。

1. 三分类情感分析到底在分什么：从二分类翻车说起

做过情感分析的人大多从二分类起步：好评、差评，一条阈值切下去就完事。真到业务里你会发现，用户评论里大量是「还行吧」「凑合能用」「不算差但也不推荐」这类中间态，硬塞进正负两极，模型准确率看着挺高，上线后运营却天天吐槽分错。三分类要解决的就是这个：把情感切成负面、中性、正面三档，让「中立」有地方待。这个 Python 基于 LSTM 三分类的文本情感分析项目，核心就是用 LSTM 神经网络对中文文本做三分类，配套源码和文档说明，适合想跑通一条完整 NLP 流水线的人——从数据清洗、分词、词向量到模型训练和推理。它不追求 SOTA，追求的是你能在自己机器上复现、能改、能看懂每一层在干什么。下面按「数据怎么备、模型怎么搭、坑在哪」一路讲透。

2. 数据准备与标签体系：三分类的样本从哪来

2.1 三分类标签怎么定义才不自相矛盾

二分类的标签是天然的，三分类的「中性」是人为划出来的，这一步没定义清楚，后面模型再强也白搭。常见做法是给每条样本打一个情感极性分，比如 -1、0、1，或者用 1~5 星映射：1~2 星归负面，3 星归中性，4~5 星归正面。我一般会先写死一套标注规则再动手，避免边标边改。

注意中性类最难标，也最容易和另外两类混淆。实操里我会把「没有明显情感词、以陈述事实为主」的句子优先归中性，而不是靠感觉。如果数据源本身只有正负两档，可以拿「无情感倾向的客观句」补充中性样本，但别用机器硬造，否则中性类会学成一锅粥。

2.2 中文分词与停用词处理的最小流程

中文不像英文有空格，LSTM 吃的是词序列，分词质量直接决定上限。项目里一般用 jieba 做分词，配合一份停用词表过滤掉「的、了、是」这类高频无信息词。下面是一段可直接抄的预处理代码：

import jieba import re # 加载停用词表，一行一个词 def load_stopwords(path): with open(path, 'r', encoding='utf-8') as f: return set(line.strip() for line in f if line.strip()) stopwords = load_stopwords('stopwords.txt') def clean_text(text): # 去掉 URL、@、# 话题标签等噪声 text = re.sub(r'http\S+|@\w+|#\S+#', '', text) # 只保留中文、英文、数字 text = re.sub(r'[^\u4e00-\u9fa5a-zA-Z0-9]', ' ', text) return text.strip() def tokenize(text): text = clean_text(text) # 精确模式分词，过滤停用词和单字 words = [w for w in jieba.lcut(text) if w not in stopwords and len(w) > 1] return words

逻辑说明：clean_text先把 URL、@、话题标签这些在社交文本里高频但对情感判断无用的东西清掉，再用正则只留中英文数字，避免标点符号污染词表。tokenize用 jieba 精确模式切词，过滤停用词和长度为 1 的字——单字在中文里歧义太大，留着反而增加噪声。

参数说明：len(w) > 1这个阈值不是死的，如果你的领域里有「差」「赞」这种单字强情感词，可以放宽到>= 1，但要观察词表膨胀情况。停用词表建议用哈工大或百度那份通用表打底，再按自己数据补领域词。

2.3 构建词表与序列填充：padding 长度怎么定

LSTM 要求输入是定长序列，所以得先统计句子长度分布，再定max_len。我一般会画一下长度分布，取覆盖 95% 样本的那个长度，而不是拍脑袋定 100 或 200。

from collections import Counter import numpy as np # 统计所有句子分词后的长度 lengths = [len(tokenize(t)) for t in raw_texts] print('长度分布:', np.percentile(lengths, [50, 90, 95, 99])) # 取 95 分位作为 max_len max_len = int(np.percentile(lengths, 95)) # 构建词表：按词频排序，保留 top 10000 word_counter = Counter(w for t in raw_texts for w in tokenize(t)) vocab = {w: i + 2 for i, (w, _) in enumerate(word_counter.most_common(10000))} vocab['<PAD>'] = 0 # 填充符 vocab['<UNK>'] = 1 # 未登录词 def encode(text): words = tokenize(text) ids = [vocab.get(w, vocab['<UNK>']) for w in words] # 截断或填充到 max_len if len(ids) < max_len: ids += [vocab['<PAD>']] * (max_len - len(ids)) else: ids = ids[:max_len] return ids

逻辑说明：先统计长度分位数，用 95 分位定max_len，既覆盖绝大多数句子又不至于让 padding 占太多。词表用<PAD>占 0、<UNK>占 1，真实词从 2 开始编号，这是 PyTorch 里Embedding层的常见约定。encode负责把词转成 id 并统一长度。

参数说明：most_common(10000)里的 10000 是词表上限，中文情感任务一般 1 万到 3 万够用，太小会大量<UNK>，太大则 embedding 参数膨胀。max_len如果取 95 分位后还是很大（比如超过 300），要考虑是不是有超长噪声文本，先清洗再统计。

3. LSTM 三分类模型搭建：从 Embedding 到 Softmax

3.1 为什么选 LSTM 而不是 TextCNN 或 BERT

先说选型理由，免得你盲目跟。TextCNN 快、参数少，但它的卷积核感受野固定，对「虽然…但是…」这种长距离转折不敏感；BERT 效果好，但显存和推理成本高，小数据集上还容易过拟合。LSTM 的门控机制天然适合处理变长序列和长距离依赖，参数量适中，在几千到几万条的中文情感数据上是性价比很高的选择。这个项目用 LSTM 三分类，定位就是「单卡能跑、代码能看懂、效果够用」。

常见做法是单向 LSTM 取最后一个时间步的隐状态，接全连接层输出 3 类。如果数据量够，可以换双向 LSTM（BiLSTM），把正向和反向的最后隐状态拼接，效果通常有提升，代价是训练慢一倍。

3.2 PyTorch 版 LSTM 分类网络完整代码

import torch import torch.nn as nn class LSTMClassifier(nn.Module): def __init__(self, vocab_size, embed_dim=128, hidden_dim=128, num_layers=1, num_classes=3, dropout=0.3): super().__init__() # 词嵌入层，padding_idx=0 保证 PAD 不参与梯度 self.embedding = nn.Embedding(vocab_size, embed_dim, padding_idx=0) self.lstm = nn.LSTM( input_size=embed_dim, hidden_size=hidden_dim, num_layers=num_layers, batch_first=True, # 输入形状 (batch, seq, feature) bidirectional=False, dropout=dropout if num_layers > 1 else 0 ) self.dropout = nn.Dropout(dropout) self.fc = nn.Linear(hidden_dim, num_classes) def forward(self, x): # x: (batch, seq_len) emb = self.embedding(x) # (batch, seq, embed_dim) out, (h_n, c_n) = self.lstm(emb) # out: (batch, seq, hidden) # 取最后一个时间步的隐状态 last = out[:, -1, :] # (batch, hidden) last = self.dropout(last) logits = self.fc(last) # (batch, num_classes) return logits

逻辑说明：Embedding把词 id 映射成稠密向量，padding_idx=0让填充位不产生梯度，避免 PAD 影响训练。LSTM 设batch_first=True后输入输出都是(batch, seq, feature)，取out[:, -1, :]就是最后一个时间步的输出，代表整句的语义摘要。最后接 Dropout 和全连接层输出 3 个 logits，交给 CrossEntropyLoss。

参数说明：embed_dim=128和hidden_dim=128是中小数据集的常用起点，数据量大可以加到 256。num_layers=1时 dropout 不生效（PyTorch 会警告），要堆两层以上才需要。dropout=0.3是防过拟合的常规值，如果训练集很小可以提到 0.5。

3.3 训练循环与关键超参设置

from torch.utils.data import DataLoader, TensorDataset from torch.optim import Adam import torch.nn as nn # 假设 X_train, y_train 已经 encode 好 X_train = torch.tensor([encode(t) for t in train_texts], dtype=torch.long) y_train = torch.tensor(train_labels, dtype=torch.long) dataset = TensorDataset(X_train, y_train) loader = DataLoader(dataset, batch_size=64, shuffle=True) device = torch.device('cuda' if torch.cuda.is_available() else 'cpu') model = LSTMClassifier(vocab_size=len(vocab)).to(device) criterion = nn.CrossEntropyLoss() optimizer = Adam(model.parameters(), lr=1e-3) for epoch in range(10): model.train() total_loss = 0 for xb, yb in loader: xb, yb = xb.to(device), yb.to(device) optimizer.zero_grad() logits = model(xb) loss = criterion(logits, yb) loss.backward() # 梯度裁剪，防止 LSTM 梯度爆炸 torch.nn.utils.clip_grad_norm_(model.parameters(), max_norm=5.0) optimizer.step() total_loss += loss.item() print(f'epoch {epoch+1}, loss {total_loss/len(loader):.4f}')

逻辑说明：TensorDataset把编码后的输入和标签打包，DataLoader负责分批和打乱。训练循环里标准五步：清零梯度、前向、算损失、反向、更新。clip_grad_norm_是 LSTM 训练的必备操作，梯度爆炸是 RNN 系模型的经典翻车点。

参数说明：batch_size=64是显存和收敛稳定性的折中，显存小就降到 32。lr=1e-3是 Adam 的常用学习率，如果 loss 震荡明显可以降到 5e-4。max_norm=5.0是梯度裁剪阈值，太小会拖慢收敛，太大等于没裁，5 是经验值。训练轮数别死守 10，要看验证集 loss，早停比硬跑更靠谱。

4. 避坑与排查：三分类项目最容易翻车的五个地方

4.1 类别不平衡导致模型只预测多数类

现象：训练准确率很高，但混淆矩阵里中性类几乎全被预测成正面或负面，中性类的召回率低得离谱。

原因：三分类数据里中性样本往往最少，CrossEntropyLoss 默认每类权重相同，模型为了降低总损失会偏向多数类。

解决：给损失函数加类别权重，权重和类别频率成反比。criterion = nn.CrossEntropyLoss(weight=torch.tensor([1.0, 2.5, 1.0]).to(device))，中性类权重调高。或者用重采样让三类样本数量接近。改完记得重新看混淆矩阵，别只看准确率。

4.2 分词把情感词切碎了

现象：模型对「不推荐」和「推荐」分不出来，负面样本被大量判成正面。

原因：jieba 默认会把「不推荐」切成「不」和「推荐」，而「不」如果进了停用词表就被过滤掉，情感直接反转。

解决：把否定词从停用词表里拿掉，或者用 jieba 的add_word把「不推荐」「不好用」这类组合词加进词典。更稳的做法是保留否定词，让 LSTM 自己学「不」和后面词的依赖关系。

4.3 padding 位置参与了注意力或池化

现象：换成 BiLSTM 加平均池化后，短句效果明显变差。

原因：平均池化把 PAD 位置的输出也算进去了，短句 padding 多，被稀释得厉害。

解决：池化前用 mask 把 PAD 位置屏蔽掉，或者干脆用最后时间步而不是平均池化。如果一定要池化，按序列真实长度做 masked mean。

4.4 验证集和测试集分布不一致

现象：验证集准确率 0.9，上线后掉到 0.6。

原因：划分数据时没打乱，或者验证集来自不同时间段、不同来源，分布和训练集差太多。

解决：划分前先 shuffle，再按 8:1:1 切。如果数据有时间属性，按时间切比随机切更接近真实场景。切完对比一下三类的比例，差异大就重新切。

4.5 推理时忘了切 eval 模式

现象：同一句话多次预测结果不一样，或者推理结果比验证时差。

原因：模型还在 train 模式，Dropout 还在随机丢弃神经元。

解决：推理前调model.eval()，并用with torch.no_grad():包住前向，既关掉 Dropout 又省显存。这是新手最常踩的坑，代码里加一行就能避免。

5. 推理部署与效果验证：把模型用起来

5.1 单条文本推理的封装

训练完的模型要能对外提供服务，封装一个预测函数是最小落地单元。

def predict(text, model, vocab, max_len, device): model.eval() ids = encode(text) # 复用训练时的 encode x = torch.tensor([ids], dtype=torch.long).to(device) with torch.no_grad(): logits = model(x) prob = torch.softmax(logits, dim=1) pred = torch.argmax(prob, dim=1).item() label_map = {0: '负面', 1: '中性', 2: '正面'} return label_map[pred], prob[0][pred].item()

逻辑说明：model.eval()关掉 Dropout，torch.no_grad()关闭梯度计算。softmax把 logits 转成概率，argmax取最大概率的类别。返回标签和置信度，置信度低于阈值时可以转人工复核。

参数说明：encode必须和训练时完全一致，包括分词、词表映射、max_len，任何一处不一致都会导致推理结果漂移。置信度阈值一般设 0.6~0.7，低于这个值说明模型没把握。

5.2 用混淆矩阵和分类报告验证三分类效果

准确率在三分类里会骗人，必须看每一类的表现。

from sklearn.metrics import classification_report, confusion_matrix model.eval() all_preds, all_labels = [], [] with torch.no_grad(): for xb, yb in test_loader: xb = xb.to(device) preds = torch.argmax(model(xb), dim=1).cpu().numpy() all_preds.extend(preds) all_labels.extend(yb.numpy()) print(confusion_matrix(all_labels, all_preds)) print(classification_report(all_labels, all_preds, target_names=['负面', '中性', '正面']))

逻辑说明：遍历测试集收集所有预测和真实标签，用 sklearn 输出混淆矩阵和分类报告。混淆矩阵看错分方向，分类报告看每类的 precision、recall、f1。

参数说明：重点盯中性类的 f1，它通常最低。如果中性类 f1 低于 0.5，回去查标签定义和类别权重。三分类的 macro f1 比 accuracy 更能反映真实水平。

5.3 一个我常用来压测的小技巧

模型训完别急着高兴，拿一批「对抗样本」试试：把正面句子里的情感词换成同义但更弱的词，看模型会不会掉到中性；把中性句子加个「太」字，看会不会跳到正面。这种边界测试能快速暴露模型是真学到了语义还是只记住了关键词。我一般会手工构造 20 条边界样本，每次改完模型都跑一遍，比看验证集 loss 直观得多。

说到底，三分类情感分析这个方向值不值得做，取决于你的业务里「中性」是不是真的需要单独处理。如果中间态占比超过两成，硬做二分类就是自欺欺人，那这套 LSTM 三分类的源码和流程就值得你花一个周末跑通。我自己的习惯是先把数据标签定义写死在文档里，再动模型代码，否则后面调参调到怀疑人生都不知道问题出在哪。希望帮到你。

本文还有配套的精品资源，点击获取