PyABSA下載PyABSA源代碼下載

PyABSA

Python

Release two more ABSA subtasks

下載

PYABSA：一個可再現基於方面情感分析的模塊化框架（紙）

你好呀！如果對您有所幫助，請播放此存儲庫！每個星星都可以幫助Pyabsa走得更遠，非常感謝。 Pyabsa是每個人的免費和開源工具，但請不要忘記在您的作品，產品和出版物等中附加（非正式或正式的）作者信息和項目地址。

在擁抱面空間嘗試我們的演示

除紙外，pyabsa中還有兩個新功能：方面情感三重態提取和方面四倍提取。我們已將演示部署在HuggingFace空間上，您可以在線嘗試。

方面情感四倍提取（英語）新功能
方面情感三胞胎提取（英語）新功能
（Gradio）方面術語提取和情感分類（英語，中文，阿拉伯語，法語，法語，俄語，西班牙語，土耳其語等）
（原型）方面術語提取和情感分類（英語，中文，阿拉伯語，法語，法語，俄語，西班牙語，土耳其語等）
（等）
基於方面的情感分類（多語言）（（英語，中文等）

用法示例

我們為不同任務準備了許多示例。請參閱示例以獲取更多用法示例。

安裝

通過PIP安裝

要使用PYABSA，請從PIP或源代碼中安裝最新版本：

pip install -U pyabsa

通過源安裝

git clone https://github.com/yangheng95/PyABSA --depth=1
cd PyABSA 
python setup.py install

快速啟動

提取方面術語並分類情感

 from pyabsa import AspectTermExtraction as ATEPC , available_checkpoints

# you can view all available checkpoints by calling available_checkpoints()
checkpoint_map = available_checkpoints ()

aspect_extractor = ATEPC . AspectExtractor ( 'multilingual' ,
                                         auto_device = True ,  # False means load model on CPU
                                         cal_perplexity = True ,
                                         )

# instance inference
aspect_extractor . predict ([ 'I love this movie, it is so great!' ],
                         save_result = True ,
                         print_result = True ,  # print the result
                         ignore_error = True ,  # ignore the error when the model cannot predict the input
                         )

inference_source = ATEPC . ATEPCDatasetList . Restaurant16
atepc_result = aspect_extractor . batch_predict ( target_file = inference_source ,  #
                                              save_result = True ,
                                              print_result = True ,  # print the result
                                              pred_sentiment = True ,  # Predict the sentiment of extracted aspect terms
                                              )

print ( atepc_result )

基於方面的情感分析

 from pyabsa import AspectPolarityClassification as APC , available_checkpoints

# you can view all available checkpoints by calling available_checkpoints()
checkpoint_map = available_checkpoints ( show_ckpts = True )

classifier = APC . SentimentClassifier ( 'multilingual' ,
                                     auto_device = True ,  # False means load model on CPU
                                     cal_perplexity = True ,
                                     )

# instance inference
classifier . predict ([ 'I love this movie, it is so great!' ],
                   save_result = True ,
                   print_result = True ,  # print the result
                   ignore_error = True ,  # ignore the error when the model cannot predict the input
                   )

inference_source = APC . APCDatasetList . Laptop14
apc_result = classifier . batch_predict ( target_file = inference_source ,  #
                                      save_result = True ,
                                      print_result = True ,  # print the result
                                      pred_sentiment = True ,  # Predict the sentiment of extracted aspect terms
                                      )

print ( apc_result )

數據集註釋和模型培訓

請參閱文檔：PYABSA文檔。如果您對文檔有任何疑問，請隨時提出問題。另外，您可以加入以改進文檔。

注意

該存儲庫基於我們的ABSA研究論文。這是您可以引用或參考實施的論文：

方面情感極性分類模型

回到現實：利用模式驅動的建模以實現負擔得起的情感依賴學習（例如，fast-lsa，2020）
基於局部環境感知的嵌入（例如，LCA-NET，2020）學習目標依賴性情緒的學習
LCF：基於方面情感分類的局部環境重點機制（例如，LCF-BERT，2019年）

方面情感極性分類和方面術語提取模型

用於中文方面的多任務學習模型極性分類和方面術語提取]（例如，快速lcf-atepc，2020）
（ARXIV）用於中文方面的多任務學習模型極性分類和方面術語提取

如果您正在尋找本地環境重點的原始建議，這裡有一些介紹。

引用

 @inproceedings { YangZL23 ,
  author       = { Heng Yang and
                  Chen Zhang and
                  Ke Li } ,
  editor       = { Ingo Frommholz and
                  Frank Hopfgartner and
                  Mark Lee and
                  Michael Oakes and
                  Mounia Lalmas and
                  Min Zhang and
                  Rodrygo L. T. Santos } ,
  title        = { PyABSA: {A} Modularized Framework for Reproducible Aspect-based Sentiment
                  Analysis } ,
  booktitle    = { Proceedings of the 32nd {ACM} International Conference on Information
                  and Knowledge Management, {CIKM} 2023, Birmingham, United Kingdom,
                  October 21-25, 2023 } ,
  pages        = { 5117--5122 } ,
  publisher    = { {ACM} } ,
  year         = { 2023 } ,
  url          = { https://doi.org/10.1145/3583780.3614752 } ,
  doi          = { 10.1145/3583780.3614752 } ,
  timestamp    = { Thu, 23 Nov 2023 13:25:05 +0100 } ,
  biburl       = { https://dblp.org/rec/conf/cikm/0008ZL23.bib } ,
  bibsource    = { dblp computer science bibliography, https://dblp.org }
}