python小练习（096）：基于keras快速搭建神经网络（实战篇）之豆瓣电影评分系统（五）
今天继续接上一期，来分享一下如何把这套电影评分系统实际运用起来，并结合几个实际评论来看看效果到底如何，以及之后可以如何做优化。这一期是这个项目的最后一讲，最后我会把完整的源代码附上，总共大概300行左右的代码量完成的一个小项目。
先来看几段电影评论的实际评分。
《申肖克的救赎》
评论：
被誉为影史最棒，不管排名却肯定经典。缜密逃狱者，现代版《基督山恩仇记》，弗兰克·德拉邦特绝对情节戏大师，斯蒂芬·金经典小说很会靠精妙铺垫，转移注意力，一幅美女画背后是地道。蒂姆·罗宾斯冤狱者饱受欺凌，监狱内黑暗与腐朽，摩根出狱后难融社会遭遇，对自由曙光的伟大向往，很棒人性反思力作
预测评分：[]很明显 95%的概率是 5分
实际评分：5分
《大话西游》
评论：
无论是看第三十遍，还是第三十一遍，我都会对着那个寂寥的背影流泪。那落寞的大圣身上烙印着我青春时所有梦想，我们曾以为自己会成为盖世英雄，以为自己是这个世界的唯一，以为爱情专为自己存在，可是渐渐发现自己和别人没有什么不同，当你踏上社会时，总会有人看着你的背影说：看，他好像条狗啊！
预测评分：[] 99.9%概率是 5分
实际评分 : 5分
《泰坦尼克号》
评论：
卡梅隆的剧本功夫其实还可以，但是这种美式主流领域内的穷小子操高贵小姐的故事注定无聊
预测评分：[]99.6%概率是 2分
实际评分：2分
《功夫瑜伽》
评论：
说不定是今年春节档最靠谱的一部，成龙总算回到最拿手的功夫喜剧。虽然剧情薄弱儿戏像游戏过场动画，结尾逻辑丢失太欺负观众智商，三个中国女星也不知是哪个煤老板塞进来的。但这些都架不住成龙搏老命打足全片。翻滚摔打冇花假，这岁数动作实在没话说，印度和冰岛两场甚至可以瞥见（飞鹰计划）的影子。
预测评分：[]100%概率是 3分
实际评分：3分
《极限特工》
评论：
具备了一切烂电影都有的元素，各种令人尴尬的对白和造型，最牛逼的是，加拿大炮王饰演的是一个同一夜date过霉霉和鳖鳖的男人（角色简介是真这么说的。。。）一星给子弹的动作或者有可能是他的替身，随便了
预测评分：[] 96.3%的概率是 1分
实际评分：1分
好吧，这真不是我刻意选出来的，确实随机抽了几段偏向性比较强的评论，看来预测评分还是挺靠谱的。
其他的，有兴趣你们可以自己尝试。
源代码及注解：
**** Hidden Message *****
（全文完） 对了，忘记讲后续应该怎么优化了，其实优化无非还是取决于训练数据，如果有更多的训练数据，可以重新建模，因为词汇表会有变化，越全面的词汇表，意味着更精确的评分。 你在100的时候想干什么{:10_245:} 我就来回复一下 2333333333333333333333333333333333 好 感谢分享
过来收藏 帖子 谢谢分享 感恩！！ 学习
96 前来学习如何优化 厉害了 看看 6 特意过来学习python， 同时学习神经网络， 最近要用到 哇哦，刚好毕设可以参考，谢谢楼主 谢谢楼主的分享
页:
[1]
2