基礎(chǔ)環(huán)境

基礎(chǔ)環(huán)境安裝見：PaddleHub安裝教程

代碼

senta_predict.py

import paddlehub as hub # 引入hub庫

from typing import List

model_zoo_names = ["senta_lstm", "senta_gru", "senta_cnn", "senta_bow", "senta_bilstm", "ernie_skep_sentiment_Analysis", "emotion_detection_textcnn"] # 以指定模型名字的方式調(diào)用不同的情感分析模型 https://www.paddlepaddle.org.cn/hublist?filter=en_category&value=SentimentAnalysis

predict_ret_dict_list = []

def senta_predict(name : str = "senta_lstm", test_text : List[str] = ["這家餐廳很好吃", "這部電影真的很差勁"]) -> List[dict]:

? ? senta = hub.Module(name=name)

? ? if name == "ernie_skep_sentiment_Analysis":

? ? ? ? return senta.predict_sentiment(texts=test_text, use_gpu=False)

? ? elif name == "emotion_detection_textcnn":

? ? ? ? return senta.emotion_classify(texts=test_text)

? ? else:

? ? ? ? return senta.sentiment_classify(texts=test_text) # 返回字典數(shù)組 [{'text': '這家餐廳很好吃', 'sentiment_label': 1, 'sentiment_key': 'positive', 'positive_probs': 0.9407, 'negative_probs': 0.0593}]

text = "這家餐廳很好吃" # 想進(jìn)行情感識別的文本內(nèi)容 "這家餐廳很好吃", "這部電影真的很差勁"

for name in model_zoo_names:

? ? print(f"model name:{name} ", senta_predict(name, [text])[0])

運(yùn)行結(jié)果：

綜合7個模型的結(jié)果代碼：

import numpy as np

positive_negative_probs_pair_list = [ (ret_dict["positive_probs"], ret_dict["negative_probs"]) for ret_dict in [(senta_predict(name, [text])[0]) for name in model_zoo_names]]

positive_probs_means = np.array([probs[0] for probs in positive_negative_probs_pair_list]).mean()

negative_probs_means = np.array([probs[1] for probs in positive_negative_probs_pair_list]).mean()

print(f"{text} 正面概率:{positive_probs_means} 負(fù)面概率:{negative_probs_means}")

執(zhí)行結(jié)果：

這家餐廳很好吃 正面概率:0.8524851250239781 負(fù)面概率:0.06541486792457955

這里最終的結(jié)果有些問題，最后一個模型最終輸出正負(fù)面的float值不是概率值，可能是沒有做softmax，實(shí)際使用時需要相應(yīng)處理下 。

分析

在調(diào)用這7個模型的地方 senta = hub.Module(name=name) 會自動下載相應(yīng)的壓縮包文件并解壓，存放目錄為：/root/.paddlehub/modules/ 大概一共有5GB多

執(zhí)行過程截圖

?

參考

https://www.paddlepaddle.org.cn/hublist?filter=en_category&value=SentimentAnalysis

————————————————

版權(quán)聲明：本文為CSDN博主「機(jī)器愛智能」的原創(chuàng)文章，遵循CC 4.0 BY-SA版權(quán)協(xié)議，轉(zhuǎn)載請附上原文出處鏈接及本聲明。

原文鏈接：https://blog.csdn.net/jrckkyy/article/details/114597346