sentimentizer

Introducción

Lanzamiento beta, API sujeto a cambios. Instalar con:

 pip install sentimentizer

Este repositorio contiene redes neuronales escritas con el marco de Pytorch para el análisis de sentimientos. Los modelos pequeños pueden ser bastante efectivos para las tareas de clasificación a un costo mucho menor de implementar. Este paquete se centra en el análisis de sentimientos y todos los modelos fueron entrenados en una sola GPU 2080TI en minutos. La implementación de modelos para inferencia requiere menos de 1 GB de memoria, lo que hace que la creación de múltiples contenedores sea relativamente eficiente.

Uso

 # where 0 is very negative and 1 is very positive
from sentimentizer.tokenizer import get_trained_tokenizer
from sentimentizer.models.rnn import get_trained_model

model = get_trained_model(64, 'cpu')
tokenizer = get_trained_tokenizer()
review_text = "greatest pie ever, best in town!"
positive_ids = tokenizer.tokenize_text(review_text)
model.predict(positive_ids)
  
>> tensor(0.9701)

Instalar para el desarrollo con Miniconda:

 conda create -n {env}  
conda install pip  
pip install -e .  

Modelo de capacitación

Para volver a rerún el modelo:

• Obtenga el conjunto de datos Yelp,
• Obtenga el conjunto de datos Glove 6B 100D
• Coloque ambos archivos en el directorio de datos del paquete
• Ejecute el guión de entrenamiento en flujos de trabajo