[Python人工智能] 三十四.Bert模型 (3)keras-bert库构建Bert模型实现微博情感分析

最新推荐文章于 2024-04-13 00:00:00 发布
最新推荐文章于 2024-04-13 00:00:00 发布
阅读量5.4k 收藏 22
点赞数 5
分类专栏： Python人工智能（TF+Keras） 文章标签： keras python 人工智能 Bert 情感分析
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/Eastmount/article/details/121528348
版权

从本专栏开始，作者正式研究Python深度学习、神经网络及人工智能相关知识。前一篇文章开启了新的内容——Bert，首先介绍Keras-bert库安装及基础用法及文本分类工作。这篇文章将通过keras-bert库构建Bert模型，并实现微博情感分析。基础性文章，希望对您有所帮助！

这篇文章代码参考“山阴少年”大佬的博客，并结合自己的经验，对其代码进行了详细的复现和理解。希望对您有所帮助，尤其是初学者，也强烈推荐大家关注这位老师的文章。

微博情感预测结果如下所示：

原文: 《长津湖》这部电影真的非常好看，今天看完好开心，爱了爱了。强烈推荐大家，哈哈！！！
预测标签: 喜悦

原文: 听到这个消息真心难受，很伤心，怎么这么悲剧。保佑保佑，哭
预测标签: 哀伤

原文: 愤怒，我真的挺生气的，怒其不争，哀其不幸啊！
预测标签: 愤怒

文章目录

了解本专栏 订阅专栏 解锁全文
Eastmount
关注
  • 5
    点赞
  • 踩
  • 22
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 7
    评论
专栏目录
订阅专栏
项目实战-Bert文本分类（keras-bert实现）源代码及数据集.zip
04-09
1、内容概要：本资源主要基于bert（keras）实现文本分类，适用于初学者学习文本分类使用。 2、数据集为电商真实商品评论数据，主要包括训练集data_train，测试集data_test ，经过预处理的训练集clean_data_train和中文停用词表stopwords.txt，可用于模型训练和测试，详细数据集介绍见商品评论情感数据说明文档。 3、源代码：word2vec_analysis.py 是基于Word2Vec进行词向量的生成，采用向量平均求得句向量，然后分别构建RandomForest和GBDT分类模型进行文本分类。 4、源代码：bert_model.py是基于keras-bert构建Bert模型对文本进行分类。
基于python Bert+DNN神经网络 实现疫情期间微博、B站网民情绪分析
02-04 652
基于python Bert+DNN神经网络 实现疫情期间微博、B站网民情绪分析
Bert和LSTM：情绪分类中的表现，代码和公式全！
babyai996的博客
09-04 1479
BERT是一种基于Transformer结构的预训练模型，它通过大规模的语料库进行预训练，从而学习到文本中的语义信息。具体来说，我们可以将文本输入到BERT中，并从其输出层中获取特征向量，然后将其输入到分类器中进行分类。BERT和LSTM都是深度学习领域中广泛应用的模型，它们在自然语言处理任务中具有很好的表现。其中，BERT是一种预训练模型，它通过预训练语言来表示文本中的语义信息，而LSTM是一种循环神经网络，它可以捕捉序列数据中的时间依赖关系。在情绪分类任务中，我们可以使用LSTM来对文本进行分类。
使用keras-bert实现 谭松波 酒店评论 文本分类（情感分析）
人上人酿酒师的博客
07-09 1万+
Keras-Bert 实现文本分类 以下文档可下载：https://pan.baidu.com/s/1UfnIWmFMhqAIXl8LouJNWQ 提取码：9m5u 复制这段内容后打开百度网盘手机App，操作更方便哦 项目的地址在Github：https://github.com/Luomiou/keras-bert- 目录 Keras-Bert 实现文本分类 项目的地址在...
基于Keras+BERT模型编写的情感分析python源码+超详细注释+项目使用说明+情感数据集.zip
10-16
基于Keras+BERT模型编写的情感分析python源码+超详细注释+项目使用说明+情感数据集.zip 我的计算设备是笔记本上的 GTX 1060 6G，算力较低，训练较为耗时，所以只训练了一个epoch(在我的设备上约花费1个小时)，并且...
Python库 | keras-bert-0.5.0.tar.gz
05-17
资源分类：Python库 所属语言：Python 资源全名：keras-bert-0.5.0.tar.gz 资源来源：官方 安装方法：https://lanzao.blog.csdn.net/article/details/101784059
基于bert-wmm的微博评论情感分析
02-25
【标题】"基于BERT-WWM的微博评论情感分析"是一个深度学习项目，旨在利用预训练模型BERT（Bidirectional Encoder Representations from Transformers）的Whole Word Masking（WWM）变体来理解和分析微博评论中的情感...
Python库 | bert4keras-0.9.6.tar.gz
05-12
资源分类：Python库 所属语言：Python 资源全名：bert4keras-0.9.6.tar.gz 资源来源：官方 安装方法：https://lanzao.blog.csdn.net/article/details/101784059
Pytorch——BERT 预训练模型及文本分类（情感分类）
热门推荐
ASS-ASH的博客
11-02 3万+
BERT 预训练模型及文本分类 介绍 如果你关注自然语言处理技术的发展，那你一定听说过 BERT，它的诞生对自然语言处理领域具有着里程碑式的意义。本次试验将介绍 BERT 的模型结构，以及将其应用于文本分类实践。 知识点 语言模型和词向量 BERT 结构详解 BERT 文本分类 BERT全称为 Bidirectional Encoder Representations from Transformer，是谷歌在 2018 年 10 月发布的语言表示模型。BERT 通过维基百科和书籍语料组成的庞.
使用keras-bert实现 谭松波 酒店评论 文本分类（情感分析）-附件资源
03-05
使用keras-bert实现 谭松波 酒店评论 文本分类（情感分析）-附件资源
基于BERT做中文文本分类(情感分析)
我开心呀的博客
10-07 3万+
Bert： BERT是一种预训练语言表示的方法，这意味着我们在大型文本语料库（例如Wikipedia）上训练通用的“语言理解”模型，然后将该模型用于我们关心的下游NLP任务，BERT优于之前的方法，因为它是第一个用于预训练NLP的无监督，深度双向系统。 相关论文： 《Attention Is All You Need》 《BERT：Pre-training of Deep Bidirect...
我的实践：pytorch框架下基于BERT实现文本情感分类
oXiLang的博客
03-22 1万+
当前，在BERT等预训练模型的基础上进行微调已经成了NLP任务的一个定式了。为了了解BERT怎么用，在这次实践中，我实现了一个最简单的NLP任务，即文本情感分类。 1.基于BERT进行情感分类的基本思路 所谓情感分类就是指判断句子是积极情感还是消极情感，例如说“今天这顿饭太美味了”是积极的情感，“今天这顿饭简直吃不下去”是消极的情感。 基于BERT完成情感分类的基本思路如图所示。我们知道BERT是一个预训练模型，我们把句子扔给它的时候，它对应每个字都会输出一个向量。但是在把句子扔给BERT之前，我们会在句子
深入探索自然语言处理：用Python和BERT构建文本分类模型
最新发布
youmashengyue的博客
04-13 691
随着模型和技术的不断进步，NLP的应用领域将持续扩展，为各行各业带来革命性的变革。文本分类是NLP的一个常见任务，它的目的是将文本数据按照预定的分类标签进行分类。为了本教程，我们将使用“20 Newsgroups”数据集，这是一个用于文本分类的常见数据集，包含20个不同主题的新闻组文章。首先，我们需要加载数据集并进行必要的预处理，以适应BERT模型的输入要求。杂的NLP任务，帮助读者从理论走向实践，开启AI和机器学习的探索之旅。- TensorFlow：一个由Google开发的强大的机器学习库。
【毕业设计】基于 Bert 改进的情感分类
青年有志
05-15 1196
感觉好像是文科生看一本《高等数学》的教材一样，流水账一般，只是背景很好罢了，选择在这样一个竞争激烈的时代，写了那么一个催人奋进的故事，文笔不咋地。读取数据集，查看数据分布，便于设置输入 Bert 时的序列长度，(Bert 本身的限制为不超过 512)三种语言的预训练模型，选择自己需要的下载即可，其他的还有配置文件，以及词库文件等等。版本的），还可以从源码中找到下载链接，然后手动下载，最后还可以从。预训练模型的下载有许多方式，比如从。将下载好的文件放到一个目录里面，比如。官网上下载（官网下载的是。
基于 BERT 实现的情感分析(文本分类)----概念与应用
西小庄村高伟 的博客
11-17 2万+
一文详解Bert的发展由来，及如何使用Bert模型实现情感分析(文本分类任务)
利用keras进行情感分析（一）
人生百态361
09-25 537
textRNN # -*- coding: utf-8 -*- # @Time : 2019/7/4 9:56 # @Author : hejipei # @File : keras_sentiment_TextRNN.py """ """ from keras import Input, Model from keras.layers import Embedding, Den...
【NLP】 BERT微博评论情感分类
myaijarvis notebook
05-09 4568
【参考：HuggingFace学习2：使用Bert模型训练文本分类任务_呆萌的代Ma的博客-CSDN博客】 数据集：【参考：利用LSTM+CNN+glove词向量预训练模型进行微博评论情感分析（二分类）_你们卷的我睡不着QAQ的博客-CSDN博客】 文本处理 import pandas as pd import numpy as np df = pd.read_csv("weibo_senti_100k.csv", encoding="gbk") df.head() import re df.in
Pytorch实战笔记(3)——BERT实现情感分析
LiQZ的博客
02-01 1万+
本文展示的是使用 Pytorch 构建一个 BERT 来实现情感分析。本文的架构是第一章详细介绍 BERT，其中包括 Self-attention，Transformer 的 Encoder，BERT 的输入与输出，以及 BERT 的预训练和微调方式；第二章是核心代码部分。
基于python bert 实现疫情期间微博、B站网民情绪分析
机器学习深度学习业余选手
02-04 2023
基于python bert 实现疫情期间微博、B站网民情绪分析
使用Python3.9，写一个Bert-BiLSTM-CRF模型的命名实体识别
02-13
很高兴为您回答这个问题。 假设您已经拥有了训练数据和语料库，并且已经安装了相关的Python包，如Tensorflow，Keras等。那么可以这样写一个Bert-BiLSTM-CRF模型： ``` import tensorflow as tf import numpy as np import keras from keras.layers import Input, Embedding, LSTM, Dense, Bidirectional, TimeDistributed, CRF from keras.models import Model # 定义输入 inputs = Input(shape=(max_len,)) # 预训练的BERT层 bert_layer = hub.KerasLayer("https://tfhub.dev/tensorflow/bert_en_uncased_L-12_H-768_A-12/1", trainable=True) bert_output = bert_layer(inputs) # Bi-LSTM层 lstm = Bidirectional(LSTM(units=hidden_units, return_sequences=True))(bert_output) # 全连接层 output = TimeDistributed(Dense(num_labels, activation="softmax"))(lstm) # CRF层 crf = CRF(num_labels) # CRF层的标签数量与全连接层一致 output = crf(output) # 将CRF层与模型的输出相连 # 模型定义 model = Model(inputs=inputs, outputs=output) model.compile(optimizer="adam", loss=crf.loss_function, metrics=[crf.accuracy]) # 训练模型 model.fit(train_x, train_y, epochs=num_epochs, batch_size=batch_size) ``` 请注意，代码中的许多变量（如`max_len`，`hidden_units`，`num_labels`等）需要您自行定义和设置。此代码仅作为参考，您可以根据您的需求进行调整和修改。
评论 7
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

Eastmount

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值