意見挖掘與情感分析

句子級中文評論情感極性分類網(wǎng)絡(luò)應(yīng)用

本項目支持在 Atalas 200 DK上運行，實現(xiàn)了句子級情感極性分類網(wǎng)絡(luò)的推理功能，輸出每個類別的置信度。

本reademe提供該應(yīng)用運行c++推理代碼的說明，以及python環(huán)境下模型訓(xùn)練及推理的的步驟說明。

軟件準備

運行此工程項目前，需要按照此章節(jié)獲取源碼包。

1. 獲取源碼包。

   cd $HOME/AscendProjects
   wget https://c7xcode.obs.cn-north-4.myhuaweicloud.com/200dk/SentimentAnalysis.zip
   unzip SentimentAnalysis.zip

    

   如果wget下載失敗，可復(fù)制下載鏈接到瀏覽器。

2. 獲取此應(yīng)用中所需要的原始網(wǎng)絡(luò)模型和訓(xùn)練好的參數(shù)值。

   模型的PB文件在 models/snapshots 路徑下。BERT網(wǎng)絡(luò)預(yù)訓(xùn)練好的參數(shù)來自 https://github.com/google-research/bert 中的 [BERT-Base, Chinese] 部分。

3. 將原始網(wǎng)絡(luò)模型轉(zhuǎn)換為適配昇騰AI處理器的模型。

   cd SentimentAnalysis/src/acl_demo
   ./model_convert.sh

    

   運行以上命令，將會在models/snapshots 路徑下生成OM模型。

環(huán)境配置

• 安裝編譯工具

  sudo apt-get install -y g++-aarch64-linux-gnu g++-5-aarch64-linux-gnu

• 下載jsoncpp源碼

  cd ./models
  git clone https://github.com/open-source-parsers/jsoncpp.git
  cd jsoncpp

   

  到 jsoncpp 目錄里后，執(zhí)行python腳本，生成 dist 子目錄

  python amalgamate.py

   

編譯

• 編譯ACL/C++代碼

  進入src/acl_demo 目錄，運行 shell 腳本：

  ./build.sh

   

  編譯后的可執(zhí)行文件 inference 在 build 目錄中。

運行

• 一鍵推理

  文本數(shù)據(jù)讀取、數(shù)據(jù)預(yù)處理和前向推理三個步驟整合到一個命令中，執(zhí)行如下shell命令：

  cd src/acl_demo
  ./build/inference -m ../../models/snapshots/models.om -i ../../models/hotel.decode.txt -o ../../output/

   

  -m ：指定OM模型的路徑；

  -i ： 指定輸入的句子級中文文本文件的路徑；

  -o ： 指定網(wǎng)絡(luò)輸出結(jié)果的保存目錄。

• 查看輸出結(jié)果

  cd ../../models
  python check_output.py

   

  shell里會輸出網(wǎng)絡(luò)的輸出矩陣，每一行的三個數(shù)字對應(yīng)三個情感類別的score，取最大的score對應(yīng)的類別作為該評論的情感極性。

Python環(huán)境下模型訓(xùn)練/運行

? 以上描述了在Ascend 310上運行ACL/C++代碼來實現(xiàn)網(wǎng)絡(luò)推理的完整流程。下面的內(nèi)容是介紹在CPU/GPU上的進行模型訓(xùn)練/推理的方式：

• 訓(xùn)練

  首先進入到 tf_total_sentiment 目錄中，

  cd SentimentAnalysis/models
  python main.py

   

  訓(xùn)練過程中的神經(jīng)網(wǎng)絡(luò)參數(shù)將被保存在 snapshots 子目錄里。

• 推理/測試

  python test.py