微博情感分析 - HuggingFace预训练模型

本模块使用HuggingFace上的预训练微博情感分析模型进行情感分析。

模型信息

• 模型名称: wsqstar/GISchat-weibo-100k-fine-tuned-bert
  
• 模型类型: BERT中文情感分类模型
• 训练数据: 10万条微博数据
• 输出: 二分类（正面/负面情感）

使用方法

方法1: 直接模型调用 (推荐)

python predict.py

方法2: Pipeline方式

python predict_pipeline.py

快速开始

1. 确保已安装依赖：

   pip install transformers torch

2. 运行预测程序：

   python predict.py

3. 输入微博文本进行分析：

   请输入微博内容: 今天天气真好，心情特别棒！
   预测结果: 正面情感 (置信度: 0.9234)

代码示例

from transformers import AutoTokenizer, AutoModelForSequenceClassification
import torch

# 加载模型
model_name = "wsqstar/GISchat-weibo-100k-fine-tuned-bert"
tokenizer = AutoTokenizer.from_pretrained(model_name)
model = AutoModelForSequenceClassification.from_pretrained(model_name)

# 预测
text = "今天心情很好"
inputs = tokenizer(text, return_tensors="pt")
outputs = model(**inputs)
prediction = torch.argmax(outputs.logits, dim=1).item()
print("正面情感" if prediction == 1 else "负面情感")

文件说明

• predict.py: 主预测程序，使用直接模型调用
• predict_pipeline.py: 使用pipeline方式的预测程序
  
• README.md: 使用说明

模型存储

• 首次运行时会自动下载模型到当前目录的 model 文件夹
• 后续运行会直接从本地加载，无需重复下载
• 模型大小约400MB，首次下载需要网络连接

注意事项

• 首次运行时会自动下载模型，需要网络连接
• 模型会保存到当前目录，方便后续使用
• 支持GPU加速，会自动检测可用设备
• 如需清理模型文件，删除 model 文件夹即可