sentimentizer

Introduction

Libération bêta, API sous réserve de changement. Installer avec:

 pip install sentimentizer

Ce repo contient des filets neuronaux écrits avec le cadre Pytorch pour l'analyse des sentiments. Les petits modèles peuvent être assez efficaces pour les tâches de classification à un coût beaucoup plus petit à déployer. Ce package se concentre sur l'analyse des sentiments et tous les modèles ont été formés sur un seul GPU 2080TI en quelques minutes. Le déploiement de modèles pour l'inférence nécessite moins de 1 Go de mémoire, ce qui rend la création de plusieurs conteneurs relativement efficaces.

Usage

 # 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)

Installer pour le développement avec MiniConda:

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

Modèle de recyclage

Pour relancer le modèle:

• Obtenez l'ensemble de données Yelp,
• Obtenez l'ensemble de données Glove 6B 100D
• Placer les deux fichiers dans le répertoire des données du package
• Exécutez le script d'entraînement dans les workflows