有段时间没学习 Rapid Miner 了，经实验室的小伙伴推荐，有个 Deep Learning 的扩展库挺强大的，能搭建各种深度学习的模型以及进行超参数调参。后来发现还有 Keras 和 Text Processing 的扩展库。这篇文章记录一下在 Rapid Miner 中使用 Text Processing 扩展库来进行情感分析的过程。
前提准备
- 安装
Text Processing - 下载数据集，数据集来自： Kaggle - Movie Review Sentiment Analysis
数据预处理
1. 导入数据
在导入数据的时候，将 Column Separator 设置成 Tab。因为数据集是 tsv 文件类型，其是由 t 分隔的，而 csv 文件是由 ;分隔的，这里会有不同，要不然导入数据会报错。
将 Sentiment 一栏的数据类型改成 polynomial 类型，因为该数据集总共有 5 个类别，分别为： 0 - negative，1 - somewhat negative，2 - neutral，3 - somewhat positive，4 - positive。
2. 选取特征并设置标签
使用 Select Attributes 来选择有用的特征。模型中会用到特征有：Phrase，Sentiment。
同时将 Sentiment 设置成标签。
3. 将特征转换为文本数据
使用 Nominal to Text 操作器将 Phrase 一栏的数据类型转换成文本类型。
4. 处理文本数据
将文本进行 Token 处理，再全转换成小写，最后过滤停用词。
搭建模型
搭建训练模型，并使用交叉验证来查看模型训练的性能。
测试模型
随机输入一个评论进行预测，返回一个结果。
整个 Process：
