很多同学对自然语言处理很感兴趣，却又不知从何下手。Python实用书曾经写过一篇文章（《短文本分类识别自杀倾向》），教你从搭建数据集到训练数据，再到测试数据，整个过程真的需要有耐心的人才能顺利走完。但是现在有了paddlehub，我们可以省去构建数据集和训练数据这两个步骤，直接使用模型进行分类。一旦简单版本的分类成功，您将有动力继续前进并继续学习如何训练自己的模型。今天我们利用paddlehub中比较简单的情感分析模型senta_lstm，对文本进行简单的正负分类。一、准备为了实现这个实验，Python是必不可少的。如果你还没有安装Python，推荐阅读我们的文章：超级详细的Python安装指南。然后，我们需要安装百度的paddlepaddle。进入他们的官网有详细的说明：https://www.paddlepaddle.org.cn/install/quick根据自己的情况选择这些选项。最后一个CUDA版本，由于这个实验不需要训练数据，也不需要大量的计算，所以直接选择CPU版本就可以了。选择完成后，下方会出现安装指南。不得不说，Paddlepaddle在这些方面还是挺用心的（只是名字不好听）。不过虽然里面写了这么多，但大多数人都是一句话安装，打开CMD（Win+R）或者Terminal（Command+空格搜索）输入如下命令安装：pipinstallpaddlepaddle-ihttps://mirror.baidu.com/pypi...你还需要安装paddlehub，别忘了这个：pipinstall-ihttps://mirror.baidu.com/pypi...paddlehub2。整个写代码的步骤分为三步：**1.加载模型2.指定要分类的文本3.情感分类**importpaddlehubashub#loadmodelsenta=hub.Module(name="senta_lstm")#待分类的文本test_text=["Youlooksogood","《黑色四叶草》isagoodseries"]#情感分类结果=senta.sentiment_classify(data={"text":test_text})#得到result的结果在results:print(result)将这段代码保存为code.py，（如果懒得再敲一遍，可以在后台回复?识别文字情感获取代码）进入文件夹中CMD或者Terminal，运行如下命令执行脚本：pythoncode.py，结果如下：_{'text':'Youlooksogood-looking','sentiment_label':1,'sentiment_key':'positive','positive_probs':0.9866,'negative_probs':0.0134}{'text':'《黑色四叶草》是个好粉丝','sentiment_label':1,'sentiment_key':'positive','positive_probs':0.9401,'negative_probs':0.0599}_where:1._sentiment_key_代表分类结果，positive为正，negative为负。2._sentiment_label_为分类结果标签，1代表正，0代表负。positive_probs是正分类的置信度，0.9866表示模型判断98.66%的概率为正。Negative_probs与positive_probs相反，是负分类的置信度。3.结果分析这样看，你会发现，面对明显的正负词，这个模型的分类效果还是不错的。特例前的效果如何？我们去微博随便挑一个试试，比如殷教授的笑话：分类结果：{'text':'都在网上工作学习，你什么时候网上约我？','sentiment_label':0,'sentiment_key':'negative','positive_probs':0.0507,'negative_probs':0.9493}出乎意料的正确。.虽然是玩笑话，但对方显然是抱着不和自己网恋的消极态度。再试一句有潜在意义的句子：{'text':'我什么都不想说了，我们听首歌吧。','sentiment_label':0,'sentiment_key':'negative','positive_probs':0.0321,'negative_probs':0.9679}{'text':'我忘了世界上还有另一种人，火星人，你是从酒吧来的吗？','sentiment_label':1,'sentiment_key':'positive','positive_probs':0.7261,'negative_probs':0.2739}这里第一句是对的，第二句不对。确实，第二句太隐晦了，机器不一定能分辨出来。但是，置信度不高。如果你真的需要应用这个模型，你可以通过置信度过滤掉一些分类。总的来说，这个模型的效果还是不错的。网上那么多开源的情感分类模型，百度的模型应该能打80分左右。此外，它支持你自己做一些微调，即你可以使用自定义训练集来调整模型到你需要的，详情见github：https://github.com/PaddlePaddle/models/tree/develop/PaddleNLP/sentiment_classification这是我们文章的结尾。如果你今天想要我们的Python教程，请继续关注我们。如果对您有帮助，请在下方点赞/观看。有什么问题可以在下方留言区留言，我们会耐心解答！Python实战宝典（pythondict.com）不仅仅是一个集合。欢迎关注公众号：Python实战宝典原文来自Python实战宝典：Python识别文字情绪就是这么简单
