sentimentizer

การแนะนำ

การเปิดตัวเบต้า, API อาจมีการเปลี่ยนแปลง ติดตั้งด้วย:

 pip install sentimentizer

repo นี้มีอวนประสาทที่เขียนด้วยกรอบ Pytorch สำหรับการวิเคราะห์ความเชื่อมั่น รุ่นขนาดเล็กอาจมีประสิทธิภาพค่อนข้างมากสำหรับงานการจำแนกประเภทที่มีค่าใช้จ่ายน้อยลงในการปรับใช้ แพ็คเกจนี้มุ่งเน้นไปที่การวิเคราะห์ความเชื่อมั่นและทุกรุ่นได้รับการฝึกฝนใน GPU 2080TI เดียวในไม่กี่นาที การปรับใช้โมเดลสำหรับการอนุมานต้องใช้หน่วยความจำน้อยกว่า 1GB ซึ่งทำให้การสร้างคอนเทนเนอร์หลายรายการมีประสิทธิภาพค่อนข้างมาก

การใช้งาน

 # 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)

ติดตั้งเพื่อการพัฒนาด้วย Miniconda:

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

แบบจำลองใหม่

ในการรันโมเดลใหม่:

• รับชุดข้อมูล Yelp
• รับชุดข้อมูล GLOVE 6B 100D
• วางไฟล์ทั้งสองไว้ในไดเรกทอรีข้อมูลแพ็คเกจ
• เรียกใช้สคริปต์การฝึกอบรมในเวิร์กโฟลว์