百度情感分析senta模型

文章介绍了如何搭建和使用PaddlePaddle的Senta模型进行情感倾向分析,包括安装PaddlePaddle和PaddleHub的步骤。在过程中遇到了TypeError、UnicodeDecodeError、ModuleNotFoundError和ImportError等错误,分别通过设置文件编码、安装缺失模块和调整安装版本来解决。最终成功安装了PaddlePaddle2.4.2和PaddleHub1.6.2。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

模型搭建

参考的链接

开始使用_飞桨-源于产业实践的开源深度学习平台 (paddlepaddle.org.cn)

PaddleHub/windows_quickstart.md at release/v2.1 · PaddlePaddle/PaddleHub · GitHub

  • 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。该模型基于一个双向LSTM结构,情感类型分为积极、消极。

一、安装

执行安装python -m pip install paddlepaddle==2.4.2 -i https://pypi.tuna.tsinghua.edu.cn/simple

pip install paddlehub==1.6.2 -i https://pypi.tuna.tsinghua.edu.cn/simple

senta_bilstm 直接在pytorch中下载,下载的为1.1.0版本,(就是运行代码直接在控制台下载了)

with open("test.txt", 'r') as f: 这个里面加上编码的设置 ,encoding=utf-8

二、遇到的问题

1.TypeError: The input data is inconsistent with expectations.

UnicodeDecodeError: ‘gbk‘ codec can‘t decode bytein position

字符编码问题,with open("test.txt", 'r') as f: 这个里面加上编码的设置 ,encoding=utf-8

2.ModuleNotFoundError: No module named 'scipy'

缺少scipy包,直接在cmd里面pip install scipy

3.Could not build wheels for opencv-python

先pip install cmake

pip install opencv-python

可以在后面加上清华源,opencv-python如果下载错的话,会下载很慢

4.ImportError: cannot import name 'get_installed_distributions' from 'pip._internal.utils

是安装paddlepaddle,paddlehub这个的问题,估计是版本安装的不匹配

最后安装的是paddlepaddle最新的,pip install paddlepaddle==2.4.2,pip install paddlehub==1.6.2

最后的结果,我就是小白一个,python学的稀烂,欢迎大佬指正~

Senta是一款百度开源的情感分析系统。 情感分析旨在自动识别和提取文本中的倾向、立场、评价、观点等主观信息。它包含各式各样的任务,比如句子级情感分类、评价对象级情感分类、观点抽取、情绪分类等。情感分析是人工智能的重要研究方向,具有很高的学术价值。同时,情感分析在消费决策、舆情分析、个性化推荐等领域均有重要的应用,具有很高的商业价值。 近日,百度正式发布情感预训练模型SKEP(Sentiment Knowledge Enhanced Pre-training for Sentiment Analysis)。SKEP利用情感知识增强预训练模型, 在14项中英情感分析典型任务上全面超越SOTA,此工作已经被ACL 2020录用。 为了方便研发人员和商业合作伙伴共享效果领先的情感分析技术,本次百度Senta中开源了基于SKEP的情感预训练代码和中英情感预训练模型。而且,为了进一步降低用户的使用门槛,百度在SKEP开源项目中集成了面向产业化的一键式情感分析预测工具。用户只需要几行代码即可实现基于SKEP的情感预训练以及模型预测功能。 SKEP SKEP是百度研究团队提出的基于情感知识增强的情感预训练算法,此算法采用无监督方法自动挖掘情感知识,然后利用情感知识构建预训练目标,从而让机器学会理解情感语义。SKEP为各类情感分析任务提供统一且强大的情感语义表示。 百度研究团队在三个典型情感分析任务,句子级情感分类(Sentence-level Sentiment Classification),评价对象级情感分类(Aspect-level Sentiment Classification)、观点抽取(Opinion Role Labeling),共计14个中英文数据上进一步验证了情感预训练模型SKEP的效果。实验表明,以通用预训练模型ERNIE(内部版本)作为初始化,SKEP相比ERNIE平均提升约1.2%,并且较原SOTA平均提升约2%。
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值