戒酒的李白
78 lines
1.9 KiB
Markdown
78 lines
1.9 KiB
Markdown
# 微博情感分析 - 基于BertChinese的微调模型
|
|
|
|
本模块使用HuggingFace上的预训练微博情感分析模型进行情感分析。
|
|
|
|
## 模型信息
|
|
|
|
- **模型名称**: wsqstar/GISchat-weibo-100k-fine-tuned-bert
|
|
- **模型类型**: BERT中文情感分类模型
|
|
- **训练数据**: 10万条微博数据
|
|
- **输出**: 二分类（正面/负面情感）
|
|
|
|
## 使用方法
|
|
|
|
### 方法1: 直接模型调用 (推荐)
|
|
```bash
|
|
python predict.py
|
|
```
|
|
|
|
### 方法2: Pipeline方式
|
|
```bash
|
|
python predict_pipeline.py
|
|
```
|
|
|
|
## 快速开始
|
|
|
|
1. 确保已安装依赖：
|
|
```bash
|
|
pip install transformers torch
|
|
```
|
|
|
|
2. 运行预测程序：
|
|
```bash
|
|
python predict.py
|
|
```
|
|
|
|
3. 输入微博文本进行分析：
|
|
```
|
|
请输入微博内容: 今天天气真好，心情特别棒！
|
|
预测结果: 正面情感 (置信度: 0.9234)
|
|
```
|
|
|
|
## 代码示例
|
|
|
|
```python
|
|
from transformers import AutoTokenizer, AutoModelForSequenceClassification
|
|
import torch
|
|
|
|
# 加载模型
|
|
model_name = "wsqstar/GISchat-weibo-100k-fine-tuned-bert"
|
|
tokenizer = AutoTokenizer.from_pretrained(model_name)
|
|
model = AutoModelForSequenceClassification.from_pretrained(model_name)
|
|
|
|
# 预测
|
|
text = "今天心情很好"
|
|
inputs = tokenizer(text, return_tensors="pt")
|
|
outputs = model(**inputs)
|
|
prediction = torch.argmax(outputs.logits, dim=1).item()
|
|
print("正面情感" if prediction == 1 else "负面情感")
|
|
```
|
|
|
|
## 文件说明
|
|
|
|
- `predict.py`: 主预测程序，使用直接模型调用
|
|
- `predict_pipeline.py`: 使用pipeline方式的预测程序
|
|
- `README.md`: 使用说明
|
|
|
|
## 模型存储
|
|
|
|
- 首次运行时会自动下载模型到当前目录的 `model` 文件夹
|
|
- 后续运行会直接从本地加载，无需重复下载
|
|
- 模型大小约400MB，首次下载需要网络连接
|
|
|
|
## 注意事项
|
|
|
|
- 首次运行时会自动下载模型，需要网络连接
|
|
- 模型会保存到当前目录，方便后续使用
|
|
- 支持GPU加速，会自动检测可用设备
|
|
- 如需清理模型文件，删除 `model` 文件夹即可 |