【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)
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:
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)
【深度学习入门案例】Senta情感分析相关推荐
- 结合语言知识和深度学习的中文文本情感分析方法
结合语言知识和深度学习的中文文本情感分析方法 徐康庭, 宋威 北方工业大学信息学院 摘要:在目前的中文文本情感分析研究中,基于语义规则和情感词典的方法通常需要人工设置情感阈值:而基于深度学习的方法由于 ...
- 【深度学习】-Imdb数据集情感分析之模型对比(4)- CNN-LSTM 集成模型
[深度学习]-Imdb数据集情感分析之模型对比(4)- CNN-LSTM 集成模型 前言 [深度学习]-Imdb数据集情感分析之模型对比(3)- CNN [深度学习]-Imdb数据集情感分析之模型对比 ...
- 【深度学习】-Imdb数据集情感分析之模型对比(2)- LSTM
[深度学习]-Imdb数据集情感分析之模型对比(2)-LSTM 文章目录 前言 一.LSTM是什么? 算法介绍 二.训练LSTM模型 1.数据预处理 2.构建LSTM模型 设定模型参数 构建并训练模型 ...
- 【毕业设计_课程设计】基于各种机器学习和深度学习的中文微博情感分析
文章目录 前言 项目介绍 实验结果 舆情分析 工程结构 前言 基于各种机器学习和深度学习的中文微博情感分析 提示:适合用于课程设计或毕业设计,工作量达标,源码开放 项目介绍 1.用FastText在语 ...
- [深度学习TF2][RNN-LSTM]文本情感分析包含(数据预处理-训练-预测)
基于LSTM的文本情感分析 0. 前言 1. 数据下载 2. 训练数据介绍 3. 用到Word2Vector介绍 wordsList.npy介绍 wordVectors.npy介绍 4 数据预处理 4 ...
- [深度学习-NLP]Imdb数据集情感分析之模型对比(贝叶斯, LSTM, GRU, TextCNN, Transformer, BERT)
一,详细原理以及代码请看下面博客 1.Imdb数据集情感分析之离散贝叶斯 2.Imdb数据集情感分析之LSTM长短期记忆 3.Imdb数据集情感分析之卷积神经网络-TextCNN 4.Imdb数据集情 ...
- 【深度学习入门案例】波士顿房价预测
人工智能,机器学习,深度学习 做个简单介绍:三者的关系如 图1 所示,即:人工智能 > 机器学习 > 深度学习. 深度学习设计框架: 环境查看 import paddle import n ...
- 各种机器学习和深度学习的中文微博情感分析
向AI转型的程序员都关注了这个号
- 实战五十一:基于python机器学习深度学习实现股市评论情感分析 (完整代码+数据集可直接运行)
结果展示: 情绪与股市 情绪与股市关系的研究由来已久,情绪是市场的一个重要影响因素已成为共识. 15年股灾时,亲历了一次交易灾难,眼见朋友的数千万在一周不到的时间内灰飞烟灭.那段时间市场的疯狂,让人深 ...
- 基于python机器学习深度学习实现股市评论情感分析 (完整代码+数据集可直接运行)
结果展示: 情绪与股市 情绪与股市关系的研究由来已久,情绪是市场的一个重要影响因素已成为共识. 15年股灾时,亲历了一次交易灾难,眼见朋友的数千万在一周不到的时间内灰飞烟灭.那段时间市场的疯狂,让人深 ...
最新文章
- python实现数据库查询_通过Python实现mysql查询数据库实例
- 硬核推荐:博主神器OpenWrite,免费的一文多发平台,无需部署,注册即用,安全可靠!...
- 编程中python怎么读-Python编程怎么学习好?老男孩Python入门
- 牛X!Eclipse 开始支持 Java 14~
- select/poll原理(阻塞挂起) 正常(阻塞轮询)
- Bootstrap CSS 编码规范之Class 命名规范
- IOS开发之网络编程--文件压缩和解压缩
- 尚品汇Vue项目 前台+后台完成品源码(含在线演示)
- python人脸识别系统界面_人脸识别演示界面:python GUI--tkinter实战(1)
- 计算机游戏玩法,123木头人游戏规则与玩法
- hdu1870 愚人节的礼物
- 【毕业设计】基于SSM实现酒店管理系统(论文+源码+ppt+视频)
- VSPD+XCOM+Proteus仿真stm32串口通信
- Java手机游戏开发简明教程 (SunJava开发者认证程序员 郎锐)
- 从成交量变化抓住股票涨跌
- AIX5.3上使用smit installp 安装Python 3.5.2
- PMP培训机构怎么选?这几个维度是关键
- 搜狗日志Hive数据分析
- 硬盘服务器组装,25块硬盘海量存储服务器组装过程.doc
- CRMEB v3.1分销设计思路