【源码】基于BERT的情感分类系统

项目简介

本项目是一个基于BERT预训练模型的文本情感分类系统，可接收一段文本输入并预测其情感倾向（积极、消极或中性）。项目涵盖模型训练、评估、预测和部署等步骤。

项目的主要特性和功能

1. 情感分类：借助BERT预训练模型准确识别文本的情感倾向。
2. 模型训练与评估：支持模型训练和评估，可在训练集、开发集和测试集上进行准确率评估。
3. 模型预测：支持单条数据的情感预测，便于用户快速测试。
4. 模型部署：通过Flask框架进行模型部署，提供Web服务接口，方便集成到其他系统。
5. 高性能：支持CPU和GPU计算，具备良好的可拓展性和可移植性。

安装使用步骤

环境配置

• 安装Python 3.x。
• 安装PyTorch和Transformers库： bash pip install torch transformers
• 安装Flask框架： bash pip install flask

数据准备

• 将数据集文件放置在data目录下，包括train.txt、dev.txt、test.txt和infer.txt。
• 确保vocab.txt文件存在，用于模型的词汇表。

模型训练

• 运行core/train.py脚本进行模型训练： bash python core/train.py
• 训练过程中会保存模型文件到model_file/emotion_identify目录。

模型评估

• 运行core/eval.py脚本进行模型评估： bash python core/eval.py
• 评估结果将显示在终端，包括训练集、开发集和测试集的准确率。

模型预测

• 运行core/predict.py脚本进行单条数据的情感预测： bash python core/predict.py
• 输入文本后，脚本将输出预测的情感类别。

模型部署

• 运行core/emotion_identify_sever.py脚本启动Flask服务： bash python core/emotion_identify_sever.py
• 服务启动后，可以通过HTTP请求进行情感预测。

下载地址

点击下载 【提取码: 4003】【解压密码: www.makuang.net】