文章目录
一.前言
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。
二.数据准备
创建test.text文档
三.数据读取
''' 用户想要利用Senta完成对该文件的情感分析预测，只需读入该文件，将文件内容存成list，list中每个元素是待预测句子。 ''' with open("test.txt", 'r') as f: try: test_text = [] for line in f: test_text.append(line.strip()) except: print('读取失败') print(test_text)
四.加载预训练模型测试
import paddlehub as hub senta = hub.Module(name="senta_bilstm") #预测 input_dict = {"text": test_text} results = senta.sentiment_classify(data=input_dict) for result in results: print(result)
返回：
可以看到判断准确率很高，基本是能准确判断出是积极还是消极的话。
五.完整源码
# coding=gbk """ 作者：川川 @时间 : 2021/8/29 21:30 群：970353786 """ ''' 用户想要利用Senta完成对该文件的情感分析预测，只需读入该文件，将文件内容存成list，list中每个元素是待预测句子。 ''' with open("test.txt", 'r') as f: try: test_text = [] for line in f: test_text.append(line.strip()) except: print('读取失败') print(test_text) ''':cvar 加载预训练模型,如果想尝试其他模型，只需要更换Module中的name参数即可. ''' import paddlehub as hub senta = hub.Module(name="senta_bilstm") #预测 input_dict = {"text": test_text} results = senta.sentiment_classify(data=input_dict) for result in results: print(result)
