17行代碼跑最新NLP模型?你也可以!

• 本次作者評測所需(防嚇退)

1. 一臺可以上網(wǎng)的電腦
2. 基本的python代碼閱讀能力，用于修改幾個模型參數(shù)
3. 對百度中文NLP最新成果的濃烈興趣

• 訓練模型：Senta情感分析模型基本簡介

Senta是百度NLP開放的中文情感分析模型，可以用于進行中文句子的情感分析，輸出結(jié)果為{正向/中性/負向}中的一個，關(guān)于模型的結(jié)構(gòu)細節(jié)，請查看Senta----github.com/PaddlePaddle/Paddlehub/demo/senta 

• 本示例代碼選擇的是Senta-BiLSTM模型。
• 模型來源：Paddlehub簡介

PaddleHub是基于PaddlePaddle開發(fā)的預訓練模型管理工具，可以借助預訓練模型更便捷地開展遷移學習工作。 

• 本次評測中只使用了預訓練模型，沒有進行fine-tune
• 代碼運行環(huán)境：百度 AI studio

總結(jié)

1.模型計算耗時較小，使用體驗不錯。

2.成語情感分析方面，我專門挑選的是一些比較難從字面理解的，容易混淆情感的成語(比如差強人意被判定為消極)，這些也是高考?？嫉膬?nèi)容。雖然最后模型正確率只有一般，但是我認為是可以接受的，適當增加成語語句作為訓練語料會使模型"更懂"中文。

大家有興趣的可以試一試一些比較容易從字面理解情感的成語，我覺得得分會比本次評測的結(jié)果要好。

3.轉(zhuǎn)折語句情感分析本身也是對模型的一種挑戰(zhàn)，實測效果為65分，個人覺得模型對于像“但是”，“雖然”這樣的詞語沒有足夠的attention，因為這些轉(zhuǎn)折詞背后的語義往往才是最影響整個句子的情感的，最終評分65分，個人認為模型在這方面表現(xiàn)一般。

4.評分最好看的是具體場景情感分析，大概預訓練語料中有大量的淘寶評價?像殺馬特 20 科比 這些小字眼是判定情感的關(guān)鍵，而模型也確實捕捉到并判斷出來了，這點比較讓我驚喜。

文章標題：17行Python代碼做情感分析？你也可以的
網(wǎng)址分享：http://chinadenli.net/news/99070.html

成都網(wǎng)站建設(shè)公司_創(chuàng)新互聯(lián)，為您提供建站公司、網(wǎng)站營銷、商城網(wǎng)站、定制網(wǎng)站、響應式網(wǎng)站、網(wǎng)站改版

廣告

聲明：本網(wǎng)站發(fā)布的內(nèi)容（圖片、視頻和文字）以用戶投稿、用戶轉(zhuǎn)載內(nèi)容為主，如果涉及侵權(quán)請盡快告知，我們將會在第一時間刪除。文章觀點不代表本網(wǎng)站立場，如需處理請聯(lián)系客服。電話：028-86922220；郵箱：631063699@qq.com。內(nèi)容未經(jīng)允許不得轉(zhuǎn)載，或轉(zhuǎn)載時需注明來源： 創(chuàng)新互聯(lián)