【深度學習入門案例】Senta情感分析

文章目錄

一.前言

二.數據準備

三.數據讀取

四.加載預訓練模型測試

五.完整源碼

一.前言

情感傾向分析（Sentiment Classification，簡稱Senta）針對帶有主觀描述的中文文本，可自動判斷該文本的情感極性類別并給出相應的置信度，能夠幫助企業理解用戶消費習慣、分析熱點話題和危機輿情監控，為企業提供有利的決策支持。

二.數據準備

創建test.text文檔

三.數據讀取

''' 用戶想要利用Senta完成對該文件的情感分析預測，只需讀入該文件，將文件內容存成list，list中每個元素是待預測句子。 ''' with open("test.txt", 'r') as f: try: test_text = [] for line in f: test_text.append(line.strip()) except: print('讀取失敗') print(test_text)

1

2

3

4

5

6

7

8

9

10

11

四.加載預訓練模型測試

import paddlehub as hub senta = hub.Module(name="senta_bilstm") #預測 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：

可以看到判斷準確率很高，基本是能準確判斷出是積極還是消極的話。

五.完整源碼

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

機器學習 深度學習

版權聲明：本文內容由網絡用戶投稿，版權歸原作者所有，本站不擁有其著作權，亦不承擔相應法律責任。如果您發現本站中有涉嫌抄襲或描述失實的內容，請聯系我們jiasou666@gmail.com 處理，核實后本網站將在24小時內刪除侵權內容。