17行代码跑最新NLP模型?你也可以!
- 本次作者评测所需(防吓退)
- 一台可以上网的电脑
- 基本的python代码阅读能力，用于修改几个模型参数
- 对百度中文NLP最新成果的浓烈兴趣
- 训练模型：Senta情感分析模型基本简介
- Senta是百度NLP开放的中文情感分析模型，可以用于进行中文句子的情感分析，输出结果为{正向/中性/负向}中的一个，关于模型的结构细节，请查看Senta----github.com/PaddlePaddle/Paddlehub/demo/senta
- 本示例代码选择的是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便捷地开展迁移学习工作。
- 本次评测中只使用了预训练模型，没有进行fine-tune
- 代码运行环境：百度 AI studio
总结
1.模型计算耗时较小，使用体验不错。
2.成语情感分析方面，我专门挑选的是一些比较难从字面理解的，容易混淆情感的成语(比如差强人意被判定为消极)，这些也是高考常考的内容。虽然模型正确率只有一般，但是我认为是可以接受的，适当增加成语语句作为训练语料会使模型"更懂"中文。
大家有兴趣的可以试一试一些比较容易从字面理解情感的成语，我觉得得分会比本次评测的结果要好。
3.转折语句情感分析本身也是对模型的一种挑战，实测效果为65分，个人觉得模型对于像“但是”，“虽然”这样的词语没有足够的attention，因为这些转折词背后的语义往往才是最影响整个句子的情感的，最终评分65分，个人认为模型在这方面表现一般。
4.评分最好看的是具体场景情感分析，大概预训练语料中有大量的淘宝评价?像杀马特 20 科比 这些小字眼是判定情感的关键，而模型也确实捕捉到并判断出来了，这点比较让我惊喜。
