【源码】基于PaddlePaddle框架的情感分析系统

项目简介

本项目基于PaddlePaddle框架打造了一个情感分析系统，具备细粒度的情感分析能力。系统由评论观点抽取和属性级情感分类两部分构成，可自动从给定文本中抽取潜在评论属性及对应观点，并识别各属性的情感极性。

项目的主要特性和功能

1. 评论观点抽取：借助深度学习模型，自动抽取文本中的评论属性和对应评论观点。
2. 属性级情感分类：利用预训练模型对抽取的评论观点进行情感极性分类，支持正向、负向和中性三种情感标签。
3. 模型优化：提供基于PPMiniLM的小模型解决方案，在保证较高性能的同时，大幅提升模型推理速度，便于线上部署。
4. 高性能预测部署：提供基于Paddle Inference的高性能预测脚本，满足高性能情感分析需求。

安装使用步骤

环境准备

• 安装Python 3.6及以上版本。
• 安装PaddlePaddle 2.2.2及以上版本。
• 安装PaddleNLP 2.2.2及以上版本。

数据准备

• 下载项目提供的评论观点抽取和属性级情感分类的Demo数据，或准备自己的标注数据。
• 将数据文件放入./data/ext_data和./data/cls_data目录下。

模型训练

若需使用自定义的评论观点抽取模型或属性级情感分类模型，可参考extraction和classification目录下的train.py脚本进行训练。

模型导出

训练完成后，通过export_model.py脚本将动态图模型转换为静态图模型，方便线上部署。

模型评估

使用evaluate.py脚本评估模型性能。

预测使用

• 快速体验：使用demo.py脚本进行交互式体验。
• 批量预测：使用predict.py脚本进行批量文本情感分析预测。
• 高性能预测：使用deploy/predict.py脚本进行高性能预测。

使用前请确保模型文件、标签字典等资源的路径和配置正确。

下载地址

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