Enhanced public opinion prediction system by integrating LSTM model.

model_pro/lstm_predict.py

@@ -0,0 +1,165 @@
+import torch
+import os
+import logging
+from LSTM_model import lstm_model_manager
+
+# 配置日志记录
+logging.basicConfig(level=logging.INFO, format='%(asctime)s - %(name)s - %(levelname)s - %(message)s')
+logger = logging.getLogger('lstm_predict')
+
+class LSTMPredictor:
+    """LSTM预测器，与当前系统的预测接口兼容"""
+    
+    def __init__(self):
+        self.model_loaded = False
+        self.device = torch.device("cuda" if torch.cuda.is_available() else "cpu")
+        logger.info(f"初始化LSTM预测器，使用设备: {self.device}")
+    
+    def load_models(self, model_save_path, bert_model_path, tokenizer_path=None):
+        """
+        加载模型，与当前系统的model_manager.load_models接口兼容
+        
+        参数:
+            model_save_path: LSTM模型保存路径
+            bert_model_path: BERT模型路径
+            tokenizer_path: 分词器路径（LSTM模型中使用BERT的分词器，可忽略）
+        """
+        try:
+            # 检查模型文件是否存在
+            if not os.path.exists(model_save_path):
+                logger.warning(f"模型文件 {model_save_path} 不存在，需要先训练模型")
+                return False
+                
+            if not os.path.exists(bert_model_path):
+                logger.error(f"BERT模型路径 {bert_model_path} 不存在")
+                return False
+            
+            # 实际上我们在lstm_model_manager初始化时已经加载了模型，这里只是检查一下
+            if lstm_model_manager.model is not None:
+                self.model_loaded = True
+                logger.info("LSTM模型已加载成功")
+                return True
+            else:
+                logger.error("LSTM模型加载失败")
+                return False
+        except Exception as e:
+            logger.error(f"加载模型过程中出错: {e}")
+            return False
+    
+    def predict_batch(self, texts):
+        """
+        批量预测文本的情感
+        
+        参数:
+            texts: 文本列表
+            
+        返回:
+            predictions: 预测结果列表（0表示良好，1表示不良）
+            probabilities: 预测概率列表
+        """
+        if not self.model_loaded and lstm_model_manager.model is None:
+            logger.error("模型未加载，无法进行预测")
+            return None, None
+            
+        if not texts:
+            logger.warning("未提供文本，无法进行预测")
+            return None, None
+        
+        try:
+            # 调用LSTM模型管理器的批量预测函数
+            predictions, probabilities = lstm_model_manager.predict_batch(texts)
+            return predictions, probabilities
+        except Exception as e:
+            logger.error(f"预测过程中出错: {e}")
+            return None, None
+    
+    def predict(self, text):
+        """
+        预测单个文本的情感
+        
+        参数:
+            text: 文本字符串
+            
+        返回:
+            prediction: 预测结果（0表示良好，1表示不良）
+            probability: 预测概率
+        """
+        if not self.model_loaded and lstm_model_manager.model is None:
+            logger.error("模型未加载，无法进行预测")
+            return None, None
+            
+        if not text or len(text.strip()) == 0:
+            logger.warning("未提供文本或文本为空，无法进行预测")
+            return None, None
+        
+        try:
+            # 调用LSTM模型管理器的单个文本预测函数
+            prediction, probability = lstm_model_manager.predict(text)
+            return prediction, probability
+        except Exception as e:
+            logger.error(f"预测过程中出错: {e}")
+            return None, None
+    
+    def train_model(self, train_texts, train_labels, val_texts=None, val_labels=None, 
+                   batch_size=32, learning_rate=2e-5, epochs=10):
+        """
+        训练模型
+        
+        参数:
+            train_texts: 训练集文本
+            train_labels: 训练集标签
+            val_texts: 验证集文本
+            val_labels: 验证集标签
+            batch_size: 批次大小
+            learning_rate: 学习率
+            epochs: 训练轮数
+            
+        返回:
+            训练结果
+        """
+        try:
+            results = lstm_model_manager.train(
+                train_texts, train_labels, val_texts, val_labels, 
+                batch_size, learning_rate, epochs
+            )
+            self.model_loaded = True
+            return results
+        except Exception as e:
+            logger.error(f"训练模型过程中出错: {e}")
+            return None
+
+# 创建全局预测器实例
+lstm_predictor = LSTMPredictor()
+
+# 为了与现有代码兼容，提供一个与model_manager相同的predict_batch函数
+def predict_batch(texts):
+    return lstm_predictor.predict_batch(texts)
+
+# 为了与现有代码兼容，提供一个与model_manager相同的load_models函数
+def load_models(model_save_path, bert_model_path, tokenizer_path=None):
+    return lstm_predictor.load_models(model_save_path, bert_model_path, tokenizer_path)
+
+# 测试代码
+if __name__ == "__main__":
+    # 加载模型
+    load_models(
+        model_save_path="model_pro/lstm_model.pt",
+        bert_model_path="model_pro/bert_model"
+    )
+    
+    # 测试预测功能
+    test_sentences = [
+        "这件事情做得非常好",
+        "服务太差了，态度恶劣",
+        "这个产品质量一般，但价格便宜",
+        "我对这家公司非常满意",
+    ]
+    
+    for sentence in test_sentences:
+        pred, prob = lstm_predictor.predict(sentence)
+        if pred is not None:
+            label = '良好' if pred == 0 else '不良'
+            confidence = prob[pred]
+            print(f"句子: '{sentence}' 预测结果: {label} (置信度: {confidence:.2%})")
+        else:
+            print(f"句子: '{sentence}' 预测失败")