0
点赞
收藏
分享

微信扫一扫

【深度学习入门案例】Senta情感分析


文章目录

  • ​​一.前言​​
  • ​​二.数据准备​​
  • ​​三.数据读取​​
  • ​​四.加载预训练模型测试​​
  • ​​五.完整源码​​

一.前言

情感倾向分析(Sentiment Classification,简称Senta)针对带有主观描述的中文文本,可自动判断该文本的情感极性类别并给出相应的置信度,能够帮助企业理解用户消费习惯、分析热点话题和危机舆情监控,为企业提供有利的决策支持。

二.数据准备

创建test.text文档
【深度学习入门案例】Senta情感分析_自然语言处理

三.数据读取

'''
用户想要利用Senta完成对该文件的情感分析预测,只需读入该文件,将文件内容存成list,list中每个元素是待预测句子。
'''
with open("test.txt", 'r') as f:
try:
test_text = []
for line in f:
test_text.append(line.strip())
except:
print('读取失败')
print(test_text)

【深度学习入门案例】Senta情感分析_加载_02

四.加载预训练模型测试

import paddlehub as hub
senta = hub.Module(name="senta_bilstm")
#预测
input_dict = {"text": test_text}
results = senta.sentiment_classify(data=input_dict)

for result in results:
print(result)

返回:
【深度学习入门案例】Senta情感分析_自然语言处理_03
可以看到判断准确率很高,基本是能准确判断出是积极还是消极的话。

五.完整源码

# coding=gbk
"""
作者:川川
@时间 : 2021/8/29 21:30
群:970353786
"""
'''
用户想要利用Senta完成对该文件的情感分析预测,只需读入该文件,将文件内容存成list,list中每个元素是待预测句子。
'''
with open("test.txt", 'r') as f:
try:
test_text = []
for line in f:
test_text.append(line.strip())
except:
print('读取失败')
print(test_text)
''':cvar
加载预训练模型,如果想尝试其他模型,只需要更换Module中的name参数即可.
'''
import paddlehub as hub
senta = hub.Module(name="senta_bilstm")
#预测
input_dict = {"text": test_text}
results = senta.sentiment_classify(data=input_dict)

for result in results:
print(result)


举报

相关推荐

0 条评论