我用LLaMA-Factory微调大模型来实现商品评论情感分析，准确率高达91.70%

大家好，我是程序锅。

最近在modelscope上闲逛的时候，在数据集板块发现有一个商品评论情感预测数据集。这个数据集源自一个比赛，它的目的是为了预测电商平台顾客的评论是好评还是差评。

数据示例如下所示（其中0代表差评，1代表好评）：

这个比赛是2021年7月开始举办的。那个时候还没有ChatGPT，如果需要做商品评论情感预测，是需要分词、预处理、选择模型等等一系列机器学习方法。而我最近正好在学习LLaMA-Factory，正好试一试用它来微调大模型，看看最终情感预测结果如何？

好的，首先我们先上结果。

	大模型微调+提示工程	大模型+提示工程
准确率	91.70%	79.43%

使用大模型微调相比不微调，提升12.27%

整体技术路线采用：LLaMA-Factory + Lora + Qwen1.5-7B

教程视频如下：

https://www.bilibili.com/video/BV1siuietEYX/?vd_source=d0aa621a464f99754d7108e57e32eab9

下面我们来看如何微调大模型来做商品评论情感分析。微调过程与传统深度学习方法类似。无非是准备数据、配环境、训练、最后评测。

一、数据准备

采用数据集的来自于modelscope的商品评论情感预测，其中训练数据集45366条，测试数据集5032条。

下载数据集：

from modelscope.msdatasets import MsDataset
ds_train =  MsDataset.load('DAMO_NLP/jd', subset_name='default', split='train')

from modelscope.msdatasets import MsDataset
ds_val =  MsDataset.load('DAMO_NLP/jd', subset_name='default', split='validation')

下载后的数据集无法直接应用到微调，我们还需要结合提示工程，将数据集转化为大模型微调所需要的格式（即问答对的形式）

数据转化代码如下：

import json
from modelscope.msdatasets import MsDataset
from tqdm import *
ds_trai