python如何识别中文_中文情绪识别api

前言

国庆的时候用LSTM搭建的了一个神经网络，训练微博数据集来进行情感多分类。后来觉得之前那个数据集不太行，所以经过大量的资料搜索，使用了当前这个数据集。数据集的提供方是清华大学计算机系黄民烈副教授。共4万多条句子,分为其他（Null), 喜好(Like)，悲伤(Sad)，厌恶(Disgust)，愤怒(Anger)，高兴（Happiness）六类。相对之前那个数据集更具权威性和准确性。

通过Django部署keras模型

重新训练模型后，我就想把它用在之前的web项目中。开始想的是直接用java调用python程序，试了试，效果不太理想。然后就硬着头皮学了一下Django框架，挺好上手的，看了下官方文档，就搭了个demo，把预测程序放进去用了。但是还是遇到了一些坑，在此记录一下吧。

坑1——Django下的文件路径问题

因为第一次接触Django，很多问题也不太懂。开始以为加载文件就是类似加载静态文件就行了，然而我错了，它根本不能被认出来。然后只能把它当做外部文件来加载。解决方法如下：

将文件保存在django项目根目录中,并在settings.py文件中添加以下内容.

PROJECT_ROOT = os.path.abspath(os.path.dirname(__file__))1

然后在打开文件时加一些操作,这里就是在文件名前添加了项目的根路径。

import os

from django.conf import settings

model = load_model(os.path.join(settings.BASE_DIR, 'my_model.h5'))1

2

3

坑2——版本问题

由于之前使用的是keras3.0，然后Keras 2.3.0中添加了线程本地存储元素。在调用模型时（例如，从批处理生成器中），将引发与线程本地数据相关的属性错误。然后被迫降低版本为Keras2.2.4，但是降了keras版本后又导致TensorFlow出问题了（我的TensorFlow是2.0.0版本），mmp，版本又不兼容。然后又降低TensorFlow版本为1.14.0。emmm，程序跑起来了，有点小激动。

坑3——多线程下的变量问题

开始测试调用api，第一次，么得问题，好开心，第二次，程序崩了。啥子问题？emmm，因为Django是多线程运行的，但是我的模型是直接加载的，所以导致多线程运行环境中全局不唯一。最后是通过tf.get_default_graph()来将加载的模型作为这个TensorFlow运行环境的默认图，也就是唯一的图啦，然后程序就可以快活的跑起来啦。部分代码如下：

# 加载模型，并使模型和变量在同一图内

global graph

model = load_model(os.path.join(settings.BASE_DIR, 'my_model.h5'))

graph = tf.get_default_graph()1

2

3

4

说了这么多，大家想不想玩一下呢，啊哈哈哈。

GitHub地址： sentiment_analysis_api 如果觉得有点意思，请给个小星星哦。