【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

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)

1

2

3

4

5

6

7

8

9

10

11

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)

1

2

3

4

5

6

7

8

返回：

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

1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

16

17

18

19

20

21

22

23

24

25

26

27

28

机器学习 深度学习

版权声明：本文内容由网络用户投稿，版权归原作者所有，本站不拥有其著作权，亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容，请联系我们jiasou666@gmail.com 处理，核实后本网站将在24小时内删除侵权内容。