燃爆！17行Python代码做情感分析？你也可以的

17行代码跑最新NLP模型?你也可以!

• 本次作者评测所需(防吓退)

1. 一台可以上网的电脑
2. 基本的python代码阅读能力，用于修改几个模型参数
3. 对百度中文NLP最新成果的浓烈兴趣

• 训练模型：Senta情感分析模型基本简介

Senta是百度NLP开放的中文情感分析模型，可以用于进行中文句子的情感分析，输出结果为{正向/中性/负向}中的一个，关于模型的结构细节，请查看Senta----github.com/PaddlePaddle/Paddlehub/demo/senta 

• 本示例代码选择的是Senta-BiLSTM模型。
• 模型来源：Paddlehub简介

PaddleHub是基于PaddlePaddle开发的预训练模型管理工具，可以借助预训练模型更便捷地开展迁移学习工作。 

• 本次评测中只使用了预训练模型，没有进行fine-tune
• 代码运行环境：百度 AI studio

实验代码

• 来自paddlehub/senta_demo.py

github：https://github.com/PaddlePaddle/PaddleHub/blob/release/v0.5.0/demo/senta/senta_demo.py

from __future__ import print_function 
import json 
import os 
import six 
import paddlehub as hub 
if __name__ == "__main__": 
 # 加载senta模型 
 senta = hub.Module(name="senta_bilstm") 
 # 把要测试的短文本以str格式放到这个列表里 
 test_text = [ 
 "这家餐厅不是很好吃", 
 "这部电影差强人意", 
 ] 
 # 指定模型输入 
 input_dict = {"text": test_text} 
 # 把数据喂给senta模型的文本分类函数 
 results = senta.sentiment_classify(data=input_dict) 
 # 遍历分析每个短文本 
 for index, text in enumerate(test_text): 
 results[index]["text"] = text 
 for index, result in enumerate(results): 
 if six.PY2: 
 print( 
 json.dumps(results[index], encoding="utf8", ensure_ascii=False)) 
 else: 
 print('text: {},    predict: {}'.format(results[index]['text'],results[index]['sentiment_key'])) 

详细测评

成语情感分析

input

test_text = [ 
 '沧海桑田', # 中型，世事变化很大 
 '下里巴人', # 褒义，通俗的文学艺术 
 '有口皆碑', # 褒义，对突出的好人好事一致颂扬 
 '危言危行', # 褒义，说正直的话，做正直的事 
 '鬼斧神工', # 褒义，指大自然美景 
 '不赞一词', # 褒义，不能再添一句话，表示写的很好 
 '文不加点', # 褒义，指写作技巧高超 
 '差强人意', # 褒义，大体还能使人满意 
 '无微不至', # 褒义，指细心周到 
 '事倍功半', # 褒义，指不费力就有好的效果 
 '事半功倍', # 贬义，指浪费了力气却没有好效果 
 '蠢蠢欲动', # 贬义，指要干坏事 
 '面目全非', # 贬义，指大破坏 
 '江河日下', # 贬义，指事物日渐衰落 
 '评头论足', # 贬义，指小节过分挑剔 
 '生灵涂炭', # 贬义，指人民极端困苦 
 '始作俑者', # 贬义，第一个做坏事的人 
 '无所不为', # 贬义，什么坏事都干 
 '无所不至', # 贬义，什么坏事都干 
 '阳春白雪', # 贬义，高深不容易理解的艺术 
 ] 

output

运行耗时: 4秒480毫秒 
text: 沧海桑田, positive_prob: 0.3838, predict: negative # 错误 
text: 下里巴人, positive_prob: 0.7957, predict: positive  
text: 有口皆碑, positive_prob: 0.906, predict: positive 
text: 危言危行, positive_prob: 0.588, predict: positive 
text: 鬼斧神工, positive_prob: 0.657, predict: positive 
text: 不赞一词, positive_prob: 0.9698, predict: positive 
text: 文不加点, positive_prob: 0.1284, predict: negative # 错误 
text: 差强人意, positive_prob: 0.0429, predict: negative # 错误 
text: 无微不至, positive_prob: 0.8997, predict: positive 
text: 事倍功半, positive_prob: 0.6181, predict: positive 
text: 事半功倍, positive_prob: 0.8558, predict: positive # 错误 
text: 蠢蠢欲动, positive_prob: 0.7353, predict: positive # 错误 
text: 面目全非, positive_prob: 0.2186, predict: negative 
text: 江河日下, positive_prob: 0.2753, predict: negative 
text: 评头论足, positive_prob: 0.6737, predict: positive # 错误 
text: 生灵涂炭, positive_prob: 0.4661, predict: neutral # 错误 
text: 始作俑者, positive_prob: 0.247, predict: negative 
text: 无所不为, positive_prob: 0.5948, predict: positive # 错误 
text: 无所不至, positive_prob: 0.553, predict: positive # 错误 
text: 阳春白雪, positive_prob: 0.7552, predict: positive # 错误 

正确率：10/20 = 50%

转折复句情绪分析

（编辑：ASP站长网）