sentimentizer

Perkenalan

Rilis beta, API dapat berubah. Instal dengan:

 pip install sentimentizer

Repo ini berisi jaring saraf yang ditulis dengan kerangka Pytorch untuk analisis sentimen. Model kecil bisa sangat efektif untuk tugas klasifikasi dengan biaya yang jauh lebih kecil untuk digunakan. Paket ini berfokus pada analisis sentimen dan semua model dilatih pada GPU 2080TI tunggal dalam hitungan menit. Model yang digunakan untuk inferensi membutuhkan kurang dari 1GB memori yang membuat membuat beberapa wadah relatif efisien.

Penggunaan

 # 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)

Instal untuk pengembangan dengan miniconda:

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

Model pelatihan ulang

Untuk menjalankan kembali model:

• Dapatkan dataset Yelp,
• Dapatkan Dataset 6B 100D Glove
• Tempatkan kedua file di direktori data paket
• Jalankan skrip pelatihan dalam alur kerja