【PaddleHub创意赛】APP评论情感分析_用paddlehub对微博评论进行情感分析-优快云博客

本文链接：https://blog.youkuaiyun.com/hnustcjj/article/details/105922781

本文使用PaddleHub的情感分析预训练模型对Kaggle的Google Play评论数据集进行测试，探讨了从英文评论翻译为中文后对情感分析准确度的影响。通过对比翻译前后的预测正确率，发现翻译可能会影响模型的性能。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

无意中测试了一下paddlehub的情感分析的（唯一的三分类模型）预训练模型emotion_detection_textcnn，发现英文的准确度好像没有中文高？

同一句话的中英文测试：

import paddlehub as hub

module = hub.Module(name = "emotion_detection_textcnn")#模型加载
test_text = ["你真丑", "You're so ugly"]
input_dict = {"text": test_text} #文字输入
results = module.emotion_classify(data = input_dict) #预测结果

for result in results:
    print(result['text'])
    print(result['emotion_label'])
    print(result['emotion_key'])
    probs_name = result['emotion_key'] + "_probs"
    #print(result['negative_probs'])
    #print(probs_name)
    print(result[probs_name])

#你真丑
#0
#negative
#0.9627
#You're so ugly
#1
#neutral
#0.9766

本来是贬义的句子被误判为中性~

Kaggle的Google Play数据集含有APP的评论信息（包含：“APP”：APP的名称，“Translated_Review”：用户评论（已预处理并翻译成英文），“Sentiment”：情感分为：积极/消极/中性，“Sentiment_Polarity”：情绪极性得分，“Sentiment_Subjectivity”：情绪