以下是一个基于深度学习的二元分类模型的代码示例，用于对文本进行情感分类：

import keras from keras.layers import Dense, Flatten, Embedding from keras.models import Sequential

用于处理文本数据的参数

max_features = 10000 # 最多的单词数量 maxlen = 20 # 每句话的最大长度

构建模型

model = Sequential() model.add(Embedding(max_features, 8, input_length=maxlen)) model.add(Flatten()) model.add(Dense(1, activation='sigmoid')) model.compile(optimizer='rmsprop', loss='binary_crossentropy', metrics=['acc'])

模型训练与评估

model.fit(x_train, y_train, epochs=10, batch_size=32) test_loss, test_acc = model.evaluate(x_test, y_test) print('Test accuracy:', test_acc)

在这个模型中，输入的文本数据被嵌入到一个维度为8的向量空间中，并通过全连接层与一个二元分类器相连。在训练过程中，模型尝试从输入文本中学习如何正确分类。最终，模型的输出为每个单词的类别标签。