https://github.com/ar4ikov/sentimentfilter
Быстрая и удобная библиотека для оценки тональности текста с использованием нейросети
https://github.com/ar4ikov/sentimentfilter
cnn-keras cnn-text-classification filter keras lstm open-source sentiment sentiment-analysis tensorflow
Last synced: 11 months ago
JSON representation
Быстрая и удобная библиотека для оценки тональности текста с использованием нейросети
- Host: GitHub
- URL: https://github.com/ar4ikov/sentimentfilter
- Owner: Ar4ikov
- Created: 2020-02-03T22:51:39.000Z (over 6 years ago)
- Default Branch: master
- Last Pushed: 2024-11-28T08:32:18.000Z (over 1 year ago)
- Last Synced: 2025-04-05T08:51:10.189Z (about 1 year ago)
- Topics: cnn-keras, cnn-text-classification, filter, keras, lstm, open-source, sentiment, sentiment-analysis, tensorflow
- Language: Python
- Size: 13.4 MB
- Stars: 5
- Watchers: 1
- Forks: 0
- Open Issues: 0
-
Metadata Files:
- Readme: readme.md
Awesome Lists containing this project
README
Sentiment Filter
---
Достаточно удобная нейросеть, основанная на архитектуре CNN + LSTM
Сделано на базе фреймворка **[Keras](https://keras.io)** с бэкендом **[Tensorflow](https://tensorflow.org)**
Что такое Sentiment Analysis? [Вики](https://ru.wikipedia.org/wiki/%D0%90%D0%BD%D0%B0%D0%BB%D0%B8%D0%B7_%D1%82%D0%BE%D0%BD%D0%B0%D0%BB%D1%8C%D0%BD%D0%BE%D1%81%D1%82%D0%B8_%D1%82%D0%B5%D0%BA%D1%81%D1%82%D0%B0)
В моем случае тональность текста будет ограничена лишь тремя возможными положениями:
- Негативный текст
- Нейтральный текст
- Позитивный текст
Чем выше оценка текста по шкале `score ∈ [0, 1] и score ∈ ℝ`, тем негативнее текст
Примеры:
- `"Лучше помолчать, чем говорить без смысла."` - `0.308`
- `"Бесконечность - не предел!"` - `0.414`
- `"Что может быть неприятнее, чем этот ужасный комментарий, написанный не пойми каким уродом?"` - `0.994`
## Работа с библиотекой.
### 1. Установка.
Перед началом установки, в `setup.py` убедитесь, что вы ставите именно ту версию Tensorflow (CPU или GPU), которая вам нужна
```python
USE_GPU = False # True -> если вам нужна GPU версия Tensorflow
```
А затем выполните установку
```bash
root@ar4ikov: /home/user/SentimentFilter# python setup.py install
```
### 2. Импортирование.
```python
import sentiment_filter as s
sentiment = s.SentimentFilter()
```
### 3. Вызов основного функционала.
```python
import sentiment_filter as s
sentiment = s.SentimentFilter()
text = """Привет, фильтрация текста от негатива - удобная штука!"""
sentiment.get_analysis(text)
# Response: {'result': , 'score': 0.005}
```
### 3.1. Проверка результата через Enum.
```python
import sentiment_filter as s
sentiment = s.SentimentFilter()
text = """Не согласен - критикуй. Критикуешь - предлагай."""
response = sentiment.get_analysis(text)
# Response: {'result': , 'score': 0.274}
if sentiment.Sentiment(response["result"]) == sentiment.Sentiment.POSITIVE:
"""Make some here"""
elif sentiment.Sentiment(response["result"]) == sentiment.Sentiment.NEGATIVE:
"""Make some here"""
else: # sentiment.Sentiment.NEUTRAL
"""Make some here too"""
```
### 3.2. Булевы методы.
```python
import sentiment_filter as s
sentiment = s.SentimentFilter()
text = """Не согласен - критикуй. Критикуешь - предлагай."""
sentiment.is_negative(text) # Стандартное значение негативности: score >= 0.67
# Response: False
sentiment.is_negative(text) # Стандартное значение нейтральности: 0.45 <= score <= 0.67
# Response: False
sentiment.is_positive(text) # Стандартное значение позитивности: score <= 0.45
# Response: True
```
### 3.2.1. Изменение `score` характеристики текста
```python
import sentiment_filter as s
sentiment = s.SentimentFilter()
text = """Не согласен - критикуй. Критикуешь - предлагай."""
sentiment.is_negative(text, score=0.26)
# Response: True
sentiment.get_analysis(text, scores=[0.1, 0.26])
# Response: {'result': , 'score': 0.274}
```
### 4. Сервер на flask для работы веб-сервисов.
**- ПРРРР, для запуска стоит установить `flask`**
```bash
root@ar4ikov:~# pip install flask
```
Далее, в самом начале файла `request_server.py` вы найдете 3 константы
```python
# ... some code ...
DEBUG = False
HOST = "localhost"
PORT = 80
# ... some code ...
```
Измените их под себя (DEBUG лично я бы советовал не трогать).
Дальше - запуск!
```bash
root@ar4ikov: /home/user/SentimentFilter# python request_server.py
```
Стандартный запрос на
```http request
POST http://localhost:80/get_analysis?text=Привет
```
Даст ответ
```json
{
"status":true,
"response":
{
"requested_text": "Привет",
"score": 0.301,
"type": "positive"
}
}
```
### 5. Сохранение результатов работы нейросети из социальных сетей
```bash
root@ar4ikov: /home/user/SentimentFilter/transport/vk# python vk.py
```
```bash
root@ar4ikov: /home/user/SentimentFilter/transport/SOME_FILE# python SOME_FILE.py
```
В самом файле нужные константы подписаны комментариями, не перепутаете.
Больше примеров работы (и с другими классами) вы найдете в **`examples`**!