PaddlePaddle Fluid实战：使用百度Senta 情感分析系统

情感倾向分析针对带有主观描述的中文文本，可自动判断该文本的情感极性类别并给出相应的置信度。情感类型分为积极、消极、中性。情感倾向分析能够帮助企业理解用户消费习惯、分析热点话题和危机舆情监控，为企业提供有力的决策支持。

上一次的介绍中我们讲解了情感分析的作用以及应用场景，技术难点以及百度Senta 系统对这些问题的解决方法以及核心技术。本次的介绍我们则侧重于实践，即利用百度深度学习框架PaddlePaddle Fluid, 实战Senta 系统。

Senta 是百度开源的情感分析(Sentiment Analysis) 系统，项目的github 地址是(https://github.com/baidu/Senta)，Senta 也为百度AI 开放平台(http://ai.baidu.com/tech/nlp/sentiment_classify)提供了情感倾向分析模块，供用户直接使用。

此次我们将讲解如何本地构建Senta, 利用PaddlePaddle Fluid深度学习框架来实现情感分析模型的训练和部署。

实验环境准备：安装PaddlePaddle Fluid

运行本目录下的程序示例需要使用PaddlePaddle Fluid v1.1/1.2 版本。

使用pip 安装最新稳定版

# Linux CPU
pip install paddlepaddle
# Linux GPU cuda9cudnn7
pip install paddlepaddle-gpu
# Linux GPU cuda8cudnn7
pip install paddlepaddle-gpu==1.1.0.post87
# Linux GPU cuda8cudnn5
pip install paddlepaddle-gpu==1.1.0.post85

更详细的whl包列表也可以参见whl 包列表.

源码编译安装

如果需要安装最新的开发版，请按照安装文档中的说明更新PaddlePaddle Fluid 版本。

Senta 代码结构

Senta 项目的代码结构以及简介如下，本文重点介绍如何利用FluidPython API完成模型的构建和训练，关于如何利用Fluid C-API进行模型的在线部署，可以参考该项目的说明文档。