基于PaddlePaddle的对话情绪识别: 用ERNIE模型探索深度学习

目录

一. 什么是ERNIE?

二、数据集介绍

三、网络结构构建

3.1 ERNIE 模型定义

3.2 基本网络结构定义

3.3 编码器 和 分类器 定义

3.4 分词代码

3.5 分词辅助代码

3.6 数据读取 及 预处理代码

通用参数介绍

四、模型训练

训练阶段相关配置

五、模型预测

预测阶段相关配置

---

在自然语言处理（NLP）中，对话情绪识别是一项重要的任务，它在聊天机器人、客户服务和社交媒体分析等许多领域有广泛的应用。在这篇博客中，我们将探索如何使用PaddlePaddle的ERNIE模型来进行对话情绪识别。

一. 什么是ERNIE?

ERNIE（Enhanced Representation through Knowledge Integration）是由百度研发的一种知识增强的语义预训练模型，该模型在许多中文NLP任务中已经展示出了优异的表现。

模型	闲聊	客服	微博
BOW	90.2%	87.6%	74.2%
LSTM	91.4%	90.1%	73.8%
Bi-LSTM	91.2%	89.9%	73.6%
CNN	90.8%	90.7%	76.3%
TextCNN	91.1%	91.0%	76.8%
BERT	93.6%	92.3%	78.6%
ERNIE	94.4%	94.0%	80.6%