情感分析是自然语言处理里面一个热门话题，去年参加AI Challenger时关注了一下细粒度情感分析赛道，当时模仿baseline写了一个fasttext版本：AI Challenger 2018 细粒度用户评论情感分析 fastText Baseline ，至今不断有同学在star这个项目：fastText-for-AI-Challenger-Sentiment-Analysis
周末通过PaddleHub试用了一下百度的深度学习中文情感分析工具Senta，还是很方便，于是，将这个作为中文情感分析的一个技能点加入到了AINLP公众号的对话中，感兴趣的同学可以先测试：
至于安装和使用，还是简单说一下，以下是在Ubuntu16.04, Python3.x virtualenv环境下安装和测试。
安装直接通过pip install即可：
pip install paddlepaddle（这里用的是CPU版本） pip install paddlehub
关于如何使用百度这个中文情感分析工具，最直接的方法还是follow官方demo脚本：
PaddleHub/demo/senta/senta_demo.py
在iPython中大致如下调用：
Python 3.5.2 (default, Nov 12 2018, 13:43:14) Type 'copyright', 'credits' or 'license' for more information IPython 7.5.0 -- An enhanced Interactive Python. Type '?' for help. In [1]: import paddlehub as hub In [2]: senta = hub.Module(name="senta_bilstm") 2019-07-06 22:33:01,181-INFO: Installing senta_bilstm module 2019-07-06 22:33:01,182-INFO: Module senta_bilstm already installed in /home/textminer/.paddlehub/modules/senta_bilstm In [3]: test_text = ["这家餐厅很好吃", "这部电影真的很差劲","我爱自然语言处理"] In [4]: input_dict = {"text": test_text} In [5]: results = senta.sentiment_classify(data=input_dict) 2019-07-06 22:33:53,835-INFO: 13 pretrained paramaters loaded by PaddleHub 2019-07-06 22:33:53,839-INFO: 20 pretrained paramaters loaded by PaddleHub In [6]: for result in results: ...: print(result) ...: {'positive_probs': 0.9363, 'text': '这家餐厅很好吃', 'sentiment_key': 'positive', 'negative_probs': 0.0637, 'sentiment_label': 2} {'positive_probs': 0.0213, 'text': '这部电影真的很差劲', 'sentiment_key': 'negative', 'negative_probs': 0.9787, 'sentiment_label': 0} {'positive_probs': 0.9501, 'text': '我爱自然语言处理', 'sentiment_key': 'positive', 'negative_probs': 0.0499, 'sentiment_label': 2} |