17行代码也能运行最新的NLP模型？你也可以！本次测评作者需要什么（防止被吓跑）一台可以上网，有基本python代码阅读能力的电脑可以修改几个模型参数对百度中文NLP训练模型的最新成果很感兴趣：Senta情感分析模型基本介绍Senta是百度NLP开放的中文情感分析模型，可用于中文句子的情感分析，输出结果为{positive/neutral/negativeOneofXiang}，模型结构细节请查看Senta----github.com/PaddlePaddle/Paddlehub/demo/senta本示例代码选择Senta-BiLSTM模型。模型来源：Paddlehub简介PaddleHub是基于PaddlePaddle开发的预训练模型管理工具，可以借助预训练模型更方便的进行迁移学习。本次评测只使用预训练模型，没有微调代码运行环境：百度AI工作室实验代码来自paddlehub/senta_demo.pygithub：https://github.com/PaddlePaddle/PaddleHub/blob/release/v0。5.0/demo/senta/senta_demo.pyfrom__future__importprint_functionimportjsonimportosimportsiximportpaddlehubashubif__name__=="__main__":#加载senta模型senta=hub.Module(name="senta_bilstm")#将要测试的短文本以str格式放入此listtest_text=["Thisrestaurantisnotverytasty","Thismovieisnotsatisfaction",]#指定模型inputinput_dict={"text":test_text}#将数据喂给senta模型的文本分类函数results=senta.sentiment_classify(data=input_dict)#遍历分析每个短文本forindex,textinenumerate(test_text):results[index]["text"]=textforindex,resultinenumerate(results):ifsix.PY2:print(json.dumps(results[index],encoding="utf8",ensure_ascii=False))else:print('text:{},predict:{}'.format(results[index]['text'],results[index]['sentiment_key']))详细成语评价情感分析inputtest_text=['长海桑田',#中型，世界变了很多'下利巴人',#赞义，流行文艺'好-know',#赞义，一致表扬优秀好人好事'危言耸听',#赞义，说诚实话，做诚实事'鬼斧神工',#表扬，指的是自然之美'不称赞'，#赞义，不能再加一句，表示文笔很好'文字不加分'，#赢义，指的是文笔精湛skills'不尽人意'，#赞义，一般OK满意'一丝不苟'，#评价，指细心周到'事半功倍'，#评价，指不费吹灰之力'事半功倍'事倍功半'，#谁义，指白费力气却没有好结果'刚要动'，#谁义，指做坏事'面目全非'，#臭义，指大破坏‘江河已衰’#至义，指事物日趋衰落‘脚下的评论’，#至义，指对小细节的过分挑剔‘生命在炭中’，#而义,指极度苦难的人'始作俑者',#Derogatory,第一个做坏事的人'无所不能',#Derogatory,做所有坏事'无所不能',#Derogatory,做所有坏事'白阳春xue',#贬义，不易理解的高等艺术]输出运行消耗时间：4秒480毫秒text：沧桑，positive_prob:0.3838,predict:negative#errortext:夏利巴人，positive_prob:0.7957,predict:positivetext:众所周知,positive_prob:0.906,predict:positivetext:dangerouswords,positive_prob:0.588,predict:positivetext:鬼斧神工,positive_prob:0.657,predict:positivetext:一个不喜欢的词,positive_prob:0.9698,predict:positivetext:文中没有重点,positive_prob:0.1284,predict:negative#errortext:unsatisfactory,positive_prob:0.0429,predict:negative#Errortext:healthy,positive_prob:0.8997,predict:positivetext:事半功倍，positive_prob:0.6181,predict:positivetext:事半功倍,positive_prob:0.8558,predict:positive#errortext:readytomove,positive_prob:0.7353,predict:positive#textUnrecognizable,positive_prob:0.2186,p预测：negativetext：下降，positive_prob：0.2753，预测：negativetext：评论，positive_prob：0.6737，预测：positive#errortext：生命损失，positive_prob：0.4661，预测：neutral#errortext：煽动者，positive_prob：0.247，预测：negativetext：万能，positive_prob：0.5948，预测阳性#errortext:omnipresent,positive_prob:0.553,predict:positive#errortext:YangchunBaixue,positive_prob:0.7552,predict:positive#error准确率：10/20=50%转复句情感分析inputtest_text=['小明通过了testfirst,buthedoesnotpride',#positive'你不是不聪明，而是不认真',#negative'虽然小明很努力，但他还是考不到100分',#negative'虽然小明有时很调皮，但他很懂事',#Active'虽然桥已经建了很多年，但她还是很坚强',#Active'虽然他很调皮，但他学习很好',#Active'Learningisnotboring,butInteresting',#Active'虽然很难，但我会我不会退缩',#Active'虽然小姐姐只有5岁，但她可以倒着背乘法口诀',#Active'虽然我过分，但都是为了你好',#positive'小明的成绩不好，不是因为他不聪明，而是因为他不努力',#negative'虽然这样不合适，但已经是最好的选择',#positive'虽然这次失败了，但是成功的开始',#Active'虽然这道题很难，但我相信我会做',#Active'虽然爷爷年纪大了，但他仍然坚持每天锻炼',#Active'不是没有没有美，只是我们缺乏发现美的眼光',#negative'虽然生活条件很好，但浪费资源迟早会带来坏结果',#negative'他不是我们的敌人，而是我们的朋友',#positive'不是他做不到，而是他不想做',#negative'虽然那个梦想对我来说似乎遥不可及，但我相信它会实现ometrueaftermyefforts',#positive]输出耗时：2秒667毫秒text：小明虽然考了第一，但一点也不骄傲，positive_prob:0.9598,predict:positivetext:你不是不聪明，但不认真，positive_prob：0.0275、predict:negativetext:虽然小明很努力，但还是没能考到100分，positive_prob:0.7188,predict:positive#errortext:小明虽然有时调皮，但很懂事，positive_prob:0.8776,predict:positivetext:虽然这个桥已经建了很多年了，但是她还是很强的，positive_prob:0.9782,predict:positivetext:虽然很调皮，但是学习很好，positive_prob:0.9181,predict:positivetext:Learning不枯燥，但有趣，positive_prob:0.3279,predict:negative#Errortext:虽然很难，但是我不会退缩，positive_prob:0.3974,predict:negative#Errortext:虽然小姐姐只有5岁老了，她可以倒着背乘法公式，positive_prob:0.5124,predict:neutraltext:虽然我过分了，但都是为了你好，positive_prob:0.399,predict:negative#Errortext:小明成绩不好，不是因为他不是聪明，但是因为自己不努力，positive_prob:0.1881,predict:negativetext:虽然这个不合适，但是已经是最好的选择了，positive_prob:0.806,predict:positivetext:虽然这次失败了，但是是一个成功的开始，positive_prob:0.4862,predict:neutral#Errortext:虽然这道题很难，但是我相信我会做的，positive_prob:0.3959,predict:negative#Errortext:爷爷虽然年纪大了，但还是坚持每天锻炼,positive_prob:0.9178,predict:positivetext:No没有美，只是我们缺乏发现美的眼光，positive_prob:0.5614,predict:positivetext:虽然他们的生活条件很好，但浪费资源迟早会带来不好的结果，positive_prob：0.1086，预测：负文本：他不是我们的敌人，而是我们的朋友，positive_prob:0.3749,predict:negative#Errortext:不是他做不到，而是他不想做，positive_prob:0.1247,predict:negativetext:虽然那个梦想似乎离我很遥远遥不可及，但我相信经过我的努力一定会实现，positive_prob:0.957,predict:positiveaccuracyrate:13/20=65%具体场景情感分析inputtest_text=['这辆车耗油很快','这辆车开得很快','这个房间闻起来像死老鼠','这个房间闻起来像烟味','他的发型看起来像个杀手','这件衣服可以机洗','这件衣服穿太多了Ball','这个软件很容易崩溃','他打得像蔡徐坤','这个是20','这个可以玩','他投篮像科比','这个房间的布置很有情调','这酒勾起回忆','衣服很酷','侧脸像林峰','五星好评','以后还会回购','物超所值ney','优价廉','Thisgirlmakesmyheartbeat']输出运行时间：2秒676毫秒text:这辆车耗油很快，positive_prob:0.2926,predict:negativetext:这辆车开得很快，positive_prob：0.8478，预测：positivetext：这个房间闻起来像一只死老鼠，positive_prob：0.0071，预测：negativetext：这个房间闻起来像烟，positive_prob：0.2071，预测：negativetext：他的发型看起来像Shamat，positive_prob：0.3445，预测：negativetext:Thisclothesmachinewashable,positive_prob:0.3912,predict:negativetext:衣服穿多了起球,positive_prob:0.679,predict:positive#Errortext:这个软件很容易崩溃,positive_prob:0.0051,predict:negativetext:他打球的方式像蔡徐坤，positive_prob:0.8684,predict:positive#errortext:thisis20,positive_prob:0.1695,predict:negativeext:这个可以玩，positive_prob:0.3503,predict:negative#Errortext:HesholeslikeKobe,positive_prob:0.7263,predict:positivetext:这个房间的布置很情绪化，positive_prob:0.9519,predict:positivetext:This酒让人回味,positive_prob:0.7431,predict:positivetext:这件衣服很酷,positive_prob:0.9817,predict:positivetext:侧面像林峰,positive_prob:0.5621,predict:positivetext:五星级好评,positive_prob:0.9971,predict:positivetext:以后会回购,positive_prob:0.6903,predict:positivetext:性价比很高,positive_prob:0.9799,predict:positivetext:物美价廉,positive_prob:0.9542,predict:positivetext:这个妹子让我心动,positive_prob:0.956,predict:positivecorrectrate:17/20=85%总结，三个不同类别的评价如下：总结1.模型计算耗时少，用户体验好2.在成语情感分析方面，我特意挑选了一些字面意思比较难理解，容易混淆情感的成语（比如不满意判断为否定），这些也是高考的内容。虽然最终模型的准确率只是一般，但我觉得还是可以接受的。适当加入成语句子作为训练语料，会让模型更好地“理解”中文。如果你有兴趣，可以尝试一些从字面上更容易理解情绪的成语。我觉得分数会比这次评测的结果好。3.转句的情感分析也是对模型的挑战。实际测试成绩为65分。我个人觉得模型对于“但是”和“虽然”这样的词没有足够的重视，因为这些转词背后的语义往往是最能影响整个句子的情感的，最终得分是65分。我个人认为该模型在这方面表现一般。4.最佳成绩为特定场景的情感分析。预训练语料库里大概有很多淘宝评论吧？像杀马特20科比这样的小词是判断情绪的关键，模型确实捕捉到了并判断出来了。这让我很惊讶。
