Skip to content

LSTM,TextCNN,fastText情感分析,模型用 tf_serving 和 flask 部署成web应用

Notifications You must be signed in to change notification settings

xiaogp/sentiment_analysis

Folders and files

NameName
Last commit message
Last commit date

Latest commit

 

History

3 Commits
 
 
 
 
 
 
 
 

Repository files navigation

sentiment_analysis

一个基于LSTM,TextCNN,fasttext实现的购物网站评论情感分析,使用tf_serving和flask部署模型

LSTM

  训练模型得到pb文件

python data_preprocessing.py
python pre_embedding.py
python main.py

  启动tf_serving服务

docker run -t --rm -p 8501:8501 -v "/****/****/sentiment_analysis/tfserving:/models/sentiment_analysis/" -e MODEL_NAME=sentiment_analysis tensorflow/serving

  HTTP接口测试

curl -d '{"instances": [{"input_x": [122, 91, 342, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], "dropout_keep_prob": 1}], "signature_name":"my_signature"}' -X POST http://localhost:8501/v1/models/sentiment_analysis:predict
{
    "predictions": [[0.0103441, 0.989656]
    ]

  执行flask脚本

python flask_demo.py

  text_data 包含正样本 comments_positive.txt 负样本 comments_negative.txt

漂亮,连适配器都是小巧精致的,也是白色,很好看~屏幕亮度挺高,晚上开到最亮刺眼~ 续航时间没有那么长,大概5个小时左右,不过也够用了。
环境地理位置很好,交通方便。房间舒适,服务很好
"物流速度太慢了,物流速度太慢了,物流速度太慢了,物流速度太慢了,物流速度太慢了,物流速度太慢了,物流速度太慢了,物流速度太慢了,物流速度太慢了,物流速度太慢了,物流速度太慢了,物流速度太慢了,物流速度太慢了,物流速度太慢了,物流速度太慢了,物流速度太慢了,物流速度太慢了,物流速度太慢了,物流速度太慢了,物流速度太慢了,物流速度太慢了,"
宾馆服务非常好,环境也很好,但在宾馆吃饭太贵了,地角很偏,交通很不方便。
初五住的,这么冷的天没有暖气,没有热水。携程预定前台说没有收到。总之感觉很业余。
预订是携程小姐推荐的,怎么说,一个字,烂 ,两个字,真烂,三个字,实在烂。典型的政府国营单位的痕迹,根本不懂什么叫服务,房间既小又破,三星都勉强。花400多买了瓶红酒,馊的!
没什么意思。后悔中。可以不用看了

  通过检查点或者pb文件脚本调用模型进行预测

python predict.py  --pb 0
请输入:你好
predict values: [0.83590496 0.16409501]
正向
请输入:喜欢你
predict values: [0.8662184  0.13378157]
正向
请输入:不喜欢
predict values: [0.02625261 0.97374743]
负向
请输入:很差
predict values: [0.00788898 0.99211097]
负向
请输入:exit
python predict.py  --pb 1
请输入:你好
predict values: [0.83590496 0.16409501]
正向
请输入:喜欢你
predict values: [0.8662184  0.13378157]
正向
请输入:不喜欢
predict values: [0.02625261 0.97374743]
负向
请输入:很差
predict values: [0.00788898 0.99211097]
负向
请输入:exit

  tensorboard

tensorboard --logdir ./logs/summary

textcnn

  训练

python train.py

  预测

python predict.py --text "很差"
predict values: [0.00267654 0.99732345]
负向
fasttext

  执行脚本

python train.py

-------------模型测试-------------
accuracy: 0.903
precision: 0.886
recall: 0.915
-------------混淆矩阵-------------
[[1015  123]
 [  89  954]]
------------预览预测结果------------
文本: 蒙牛 有 问题 伊利 有 问题 燕塘 有 问题 营养 快线 有 问题 奶粉 有 问题 甘 还 可以 饮 咩 呢	
实际: __label__0	
预测: __label__0

文本: 自己 实用 最 重要 照相 . M P 3 播放 . 6 0 M 内存 . 手感 好 .	
实际: __label__1	
预测: __label__1

文本: " 房间 可以 特别 的 套房 非常 不错 就是 餐厅 太脏 了 早餐 搞 得 没 胃口 "	
实际: __label__1	
预测: __label__1

About

LSTM,TextCNN,fastText情感分析,模型用 tf_serving 和 flask 部署成web应用

Topics

Resources

Stars

Watchers

Forks

Releases

No releases published

Packages

No packages published