基于albert的汽车评论情感分析【含代码】

2024-01-05 12:52

本文主要是介绍基于albert的汽车评论情感分析【含代码】,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

汽车评论情感分析

  • 汽车评论情感数据集
  • 代码
    • 加载库与参数设置
    • 数据集的读取
    • 超参数设置与数据集的构建
    • 模型的训练与验证

汽车评论情感数据集

链接:https://pan.baidu.com/s/1K5TWrXbXBRXkCUpMbZq2XA
提取码:9mt9

代码

加载库与参数设置

首先先把一些基础的库进行加载

import random
import torch
from torch.utils.data import DataLoader
from transformers import AdamW, BertTokenizerFast, AutoModelForSequenceClassification
from sklearn.metrics import classification_report, accuracy_score, recall_score, f1_score
from tqdm import tqdm
# Set seed for reproducibility
import pandas as pd
import os
from sklearn.model_selection import train_test_split
import numpy as np

做实验时需要固定随机种子,方便实验的可重复性


# 设置种子
seed = 42random.seed(seed)
torch.manual_seed(seed)
os.environ["CUDA_VISIBLE_DEVICES"] = '0'  # 设置GPU型号# 设置训练装置为GPU或CPU
device = torch.device("cuda" if torch.cuda.is_available() else "cpu")

在这里设置GPU或CPU,如果你的机器存在多个GPU,则可以修改以下代码

os.environ["CUDA_VISIBLE_DEVICES"] = '0'修改为os.environ["CUDA_VISIBLE_DEVICES"] = '0,1,2,3'

在情感分析中,一般情况存在三种标签:消极、中性、积极。如果是更细粒度的标签,比如电商中对于评论分析有一星到五星的标签,则根据标签修改字典即可。

text_lst = []
label_lst = []
num = 0
label2id = {"消极": 0, "中性": 1, "积极": 2}

数据集的读取

读取数据集,并确保文本与标签数量相同。读者可根据自己实际情况进行修改该部分。

# 读取"消极"类别数据集
with open('negative.txt', 'r', encoding='utf-8') as f:lines = f.readlines()for idx, ele in enumerate(lines):ele = ele.strip('\n')text_lst.append(ele)label_lst.append(label2id['消极'])# 读取"中性"类别数据集
with open('neutral.txt', 'r', encoding='utf-8') as f:lines = f.readlines()for idx, ele in enumerate(lines):ele = ele.strip('\n')text_lst.append(ele)label_lst.append(label2id['中性'])# 读取"积极"类别数据集
with open('positive.txt', 'r', encoding='utf-8') as f:lines = f.readlines()for idx, ele in enumerate(lines):ele = ele.strip('\n')text_lst.append(ele)label_lst.append(label2id['积极'])# 打印文本和标签的数量,确认两者相同
print(len(text_lst))
print(len(label_lst))
assert len(text_lst) == len(label_lst)

超参数设置与数据集的构建

当准备好数据集后,开始初始化参数,然后进行训练前的基本工作。一般情况下,读者需要修改的参数为batch_size 和num_epochs ,其他参数无需修改。根据albert原始论文,学习率一般在e-5级别,因此可以保留默认参数(其实修改了也不会有很大优化)。

在本实验中,我们对数据集进行了4:1的划分,构建训练集和验证集。我们采用了albert_base_chinese模型,具体模型可以在huggingface下载

# 设置超参数
num_labels = len(set(label_lst))  # 根据数据集中的类别数量调整此参数
max_seq_length = 256
batch_size = 16
learning_rate = 2e-5
num_epochs = 10
accumulation_steps = 4# 加载分词器和模型
# model_name = "allenai/led-base-16384"
model_name = './albert_base_chinese'
tokenizer = BertTokenizerFast.from_pretrained(model_name)
model = AutoModelForSequenceClassification.from_pretrained(model_name, num_labels=num_labels).to(device)
model.resize_token_embeddings(len(tokenizer))# 分割文本和标签
texts = text_lst
labels = label_lst# 切分训练集和测试集,80%的训练集和20%的验证集
X_train, X_test, y_train, y_test = train_test_split(texts, labels, test_size=0.2, random_state=42, shuffle=True)# 对训练集和测试集文本进行编码
train_encodings = tokenizer(X_train, truncation=True, padding=True, max_length=max_seq_length, return_tensors="pt")
eval_encodings = tokenizer(X_test, truncation=True, padding=True, max_length=max_seq_length, return_tensors="pt")
train_labels = y_train
eval_labels = y_test# 创建训练和验证数据集
class ClassificationDataset(torch.utils.data.Dataset):def __init__(self, encodings, labels):self.encodings = encodingsself.labels = labelsdef __getitem__(self, idx):item = {key: val[idx].to(device) for key, val in self.encodings.items()}item["labels"] = torch.tensor(self.labels[idx]).to(device)return itemdef __len__(self):return len(self.labels)train_dataset = ClassificationDataset(train_encodings, y_train)
eval_dataset = ClassificationDataset(eval_encodings, y_test)

模型的训练与验证


# 创建用于训练和验证的数据加载器
train_loader = DataLoader(train_dataset, batch_size=batch_size, shuffle=True)
eval_loader = DataLoader(eval_dataset, batch_size=batch_size, shuffle=False)# 初始化变量来存储预测和真实标签以进行评估
all_eval_predictions = []
all_eval_true_labels = []# 准备优化器和损失函数
optimizer = AdamW(model.parameters(), lr=learning_rate)
loss_fn = torch.nn.CrossEntropyLoss()# 训练循环
model.train()
optimizer.zero_grad()
total_steps = len(train_loader) * num_epochs  # 计算总步数
current_step = 0  # 跟踪当前步数
best_f1 = 0
for epoch in range(num_epochs):# 重置下一个epoch的变量all_eval_predictions = []all_eval_true_labels = []model.train()train_loss = 0.0progress_bar = tqdm(train_loader, desc="Epoch {}/{}".format(epoch + 1, num_epochs))for i, batch in enumerate(progress_bar):input_ids = batch["input_ids"]attention_mask = batch["attention_mask"]labels = batch["labels"]# 将输入数据放入GPU或CPU中input_ids = input_ids.to(device)attention_mask = attention_mask.to(device)labels = labels.to(device)outputs = model(input_ids=input_ids, attention_mask=attention_mask, labels=labels)loss = outputs.loss# 进行梯度累加loss = loss / accumulation_stepsloss.backward()if (i + 1) % accumulation_steps == 0:optimizer.step()optimizer.zero_grad()train_loss += loss.item()progress_bar.set_postfix({"Training Loss": train_loss / (i + 1)})# 更新当前步数current_step += 1progress = current_step / total_stepsprogress_bar.set_postfix({"Training Loss": train_loss / (i + 1), "Progress": "{:.1%}".format(progress)})# 验证循环model.eval()for eval_batch in tqdm(eval_loader, desc="Evaluating"):# 将输入数据放入GPU或CPU中eval_input_ids = eval_batch["input_ids"].to(device)eval_attention_mask = eval_batch["attention_mask"].to(device)eval_labels = eval_batch["labels"].to(device)with torch.no_grad():eval_outputs = model(input_ids=eval_input_ids, attention_mask=eval_attention_mask)eval_logits = eval_outputs.logitseval_predictions = torch.argmax(eval_logits, dim=1).tolist()all_eval_predictions.extend(eval_predictions)all_eval_true_labels.extend(eval_labels.tolist())# 计算验证指标,准确率、召回率和F1值eval_accuracy = accuracy_score(all_eval_true_labels, all_eval_predictions)eval_recall = recall_score(all_eval_true_labels, all_eval_predictions, average='weighted')eval_f1 = f1_score(all_eval_true_labels, all_eval_predictions, average='weighted')eval_accuracy = eval_accuracy * 100eval_recall = eval_recall * 100eval_f1 = eval_f1 * 100if eval_f1 > best_f1:best_f1 = eval_f1torch.save(model.state_dict(), './output/best_model.bin')# 打印验证指标print("Validation Accuracy: {:.2f}%".format(eval_accuracy))print("Validation Recall: {:.2f}%".format(eval_recall))print("Validation F1: {:.2f}%".format(eval_f1))print("classification_report:\n", classification_report(all_eval_true_labels, all_eval_predictions))

这篇关于基于albert的汽车评论情感分析【含代码】的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/572928

相关文章

MySQL中的LENGTH()函数用法详解与实例分析

《MySQL中的LENGTH()函数用法详解与实例分析》MySQLLENGTH()函数用于计算字符串的字节长度,区别于CHAR_LENGTH()的字符长度,适用于多字节字符集(如UTF-8)的数据验证... 目录1. LENGTH()函数的基本语法2. LENGTH()函数的返回值2.1 示例1:计算字符串

Android kotlin中 Channel 和 Flow 的区别和选择使用场景分析

《Androidkotlin中Channel和Flow的区别和选择使用场景分析》Kotlin协程中,Flow是冷数据流,按需触发,适合响应式数据处理;Channel是热数据流,持续发送,支持... 目录一、基本概念界定FlowChannel二、核心特性对比数据生产触发条件生产与消费的关系背压处理机制生命周期

怎样通过分析GC日志来定位Java进程的内存问题

《怎样通过分析GC日志来定位Java进程的内存问题》:本文主要介绍怎样通过分析GC日志来定位Java进程的内存问题,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教... 目录一、GC 日志基础配置1. 启用详细 GC 日志2. 不同收集器的日志格式二、关键指标与分析维度1.

Java中调用数据库存储过程的示例代码

《Java中调用数据库存储过程的示例代码》本文介绍Java通过JDBC调用数据库存储过程的方法,涵盖参数类型、执行步骤及数据库差异,需注意异常处理与资源管理,以优化性能并实现复杂业务逻辑,感兴趣的朋友... 目录一、存储过程概述二、Java调用存储过程的基本javascript步骤三、Java调用存储过程示

Visual Studio 2022 编译C++20代码的图文步骤

《VisualStudio2022编译C++20代码的图文步骤》在VisualStudio中启用C++20import功能,需设置语言标准为ISOC++20,开启扫描源查找模块依赖及实验性标... 默认创建Visual Studio桌面控制台项目代码包含C++20的import方法。右键项目的属性:

MySQL中的表连接原理分析

《MySQL中的表连接原理分析》:本文主要介绍MySQL中的表连接原理分析,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教... 目录1、背景2、环境3、表连接原理【1】驱动表和被驱动表【2】内连接【3】外连接【4编程】嵌套循环连接【5】join buffer4、总结1、背景

MySQL数据库的内嵌函数和联合查询实例代码

《MySQL数据库的内嵌函数和联合查询实例代码》联合查询是一种将多个查询结果组合在一起的方法,通常使用UNION、UNIONALL、INTERSECT和EXCEPT关键字,下面:本文主要介绍MyS... 目录一.数据库的内嵌函数1.1聚合函数COUNT([DISTINCT] expr)SUM([DISTIN

python中Hash使用场景分析

《python中Hash使用场景分析》Python的hash()函数用于获取对象哈希值,常用于字典和集合,不可变类型可哈希,可变类型不可,常见算法包括除法、乘法、平方取中和随机数哈希,各有优缺点,需根... 目录python中的 Hash除法哈希算法乘法哈希算法平方取中法随机数哈希算法小结在Python中,

Java实现自定义table宽高的示例代码

《Java实现自定义table宽高的示例代码》在桌面应用、管理系统乃至报表工具中,表格(JTable)作为最常用的数据展示组件,不仅承载对数据的增删改查,还需要配合布局与视觉需求,而JavaSwing... 目录一、项目背景详细介绍二、项目需求详细介绍三、相关技术详细介绍四、实现思路详细介绍五、完整实现代码

Java Stream的distinct去重原理分析

《JavaStream的distinct去重原理分析》Javastream中的distinct方法用于去除流中的重复元素,它返回一个包含过滤后唯一元素的新流,该方法会根据元素的hashcode和eq... 目录一、distinct 的基础用法与核心特性二、distinct 的底层实现原理1. 顺序流中的去重